TY  - BOOK
AU  - Sebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
TI  - Machine learning con Pytorch y Scikit-Learn: Como desarrollar modelos de machine learning y deep learning con Python
T2  - Python machine learning
SN  - 9789587788891 (Colombia)
U1  - 006.31 2023
PY  - 2023///
CY  - Bogotá, Colombia
PB  - Alpha editorial
KW  - APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
KW  - ARMARC
KW  - PYTHON (LENGUAJE DE PROGRAMACIÓN)
KW  - AGENTES INTELIGENTES (SOFTWARE PARA COMPUTADORES)
N1  - 1; Dotar a los ordenadores de la capacidad de aprender de los datos --; 2; Entrenamiento de algoritmos sencillos de aprendizaje automático --; 3; Un recorrido por los clasificadores de aprendizaje automático con scikit-learn --; 4; Elaboración de conjuntos de datos de entretenimiento adecuados: Preprocesamiento --; 5; Compresión de datos mediante la reducción de la dimensionalidad --; 6; Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros --; 7; Combinación de diferentes modelos para el aprendizaje de conjunto --; 8; Aplicación del aprendizaje automático al análisis de opiniones --; 9; pronóstico de variables objetivo continuas con análisis de regresión --; 10; El trabajo con datos no etiquetados: análisis de clustering --; 11; Implementación de una red neuronal artificial multicapa desde cero --; 12; Paralelización de redes neuronales con Pytorch --; 13; Profundización: la mecánica de Pytorch --; 14; Clasificación de imágenes con redes neuronales convolucionales profundas --; 15; Modelado de datos secuenciales mediante redes neuronales recurrentes --; 16; Transformadores: mejora del procesamiento del lenguaje natural con mecanismos de atención --; 17; Redes generativas antagónicas con las que sintetizar nuevos datos --; 18; Redes neuronales de grafos para captar las dependencias en datos estructurados en grafos --; 19; Aprendizaje reforzado para la toma de decisiones en entornos complejos; público en general; Machine learning with Pytorch and scikit-learn
ER  -