Sebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
Machine learning con Pytorch y Scikit-Learn : Como desarrollar modelos de machine learning y deep learning con Python
Sebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
- primera edición
- 771 páginas ; ilustraciones, gráficas y tablas genealógicas; 24 cm.
- Python machine learning .
Dotar a los ordenadores de la capacidad de aprender de los datos -- Entrenamiento de algoritmos sencillos de aprendizaje automático -- Un recorrido por los clasificadores de aprendizaje automático con scikit-learn -- Elaboración de conjuntos de datos de entretenimiento adecuados: Preprocesamiento -- Compresión de datos mediante la reducción de la dimensionalidad -- Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- Combinación de diferentes modelos para el aprendizaje de conjunto -- Aplicación del aprendizaje automático al análisis de opiniones -- pronóstico de variables objetivo continuas con análisis de regresión -- El trabajo con datos no etiquetados: análisis de clustering -- Implementación de una red neuronal artificial multicapa desde cero -- Paralelización de redes neuronales con Pytorch -- Profundización: la mecánica de Pytorch -- Clasificación de imágenes con redes neuronales convolucionales profundas -- Modelado de datos secuenciales mediante redes neuronales recurrentes -- Transformadores: mejora del procesamiento del lenguaje natural con mecanismos de atención -- Redes generativas antagónicas con las que sintetizar nuevos datos -- Redes neuronales de grafos para captar las dependencias en datos estructurados en grafos -- Aprendizaje reforzado para la toma de decisiones en entornos complejos. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.
público en general
9789587788891 (Colombia) 9788426735737 (España)
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) PYTHON (LENGUAJE DE PROGRAMACIÓN) AGENTES INTELIGENTES (SOFTWARE PARA COMPUTADORES)