000			02850nam a22003377a 4500
003			CO-PoCUC
005			20251010162235.0
007			ta
008			251010t2023 sp adj||r|||| 00| 0 spa d
020			_a9789587788891 (Colombia)
020			_a9788426735737 (España)
040			_aCO-PoCUC _cCO-PoCUC _erda
082	0	4	_a006.31 _bR223m _22023
100			_aSebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
245			_aMachine learning con Pytorch y Scikit-Learn : _bComo desarrollar modelos de machine learning y deep learning con Python _cSebastián Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
250			_aprimera edición
264			_aBogotá, Colombia _bAlpha editorial ; _c2023
264			_aMadrid, España _bMarcombo ; _c2023
300			_a771 páginas ; _bilustraciones, gráficas y tablas genealógicas; _c24 cm.
336			_atexto _btx _2rdacontenido
337			_ano medio _bn _2rdamedio
338			_avolumen _bnc _2rdasoporte
490			_aPython machine learning
505			_g1. _tDotar a los ordenadores de la capacidad de aprender de los datos -- _g2. _tEntrenamiento de algoritmos sencillos de aprendizaje automático -- _g3. _tUn recorrido por los clasificadores de aprendizaje automático con scikit-learn -- _g4. _tElaboración de conjuntos de datos de entretenimiento adecuados: Preprocesamiento -- _g5. _tCompresión de datos mediante la reducción de la dimensionalidad -- _g6. _tAprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- _g7. _tCombinación de diferentes modelos para el aprendizaje de conjunto -- _g8. _tAplicación del aprendizaje automático al análisis de opiniones -- _g9. _tpronóstico de variables objetivo continuas con análisis de regresión -- _g10. _tEl trabajo con datos no etiquetados: análisis de clustering -- _g11. _tImplementación de una red neuronal artificial multicapa desde cero -- _g12. _tParalelización de redes neuronales con Pytorch -- _g13. _tProfundización: la mecánica de Pytorch -- _g14. _tClasificación de imágenes con redes neuronales convolucionales profundas -- _g15. _tModelado de datos secuenciales mediante redes neuronales recurrentes -- _g16. _tTransformadores: mejora del procesamiento del lenguaje natural con mecanismos de atención -- _g17. _tRedes generativas antagónicas con las que sintetizar nuevos datos -- _g18. _tRedes neuronales de grafos para captar las dependencias en datos estructurados en grafos -- _g19. _tAprendizaje reforzado para la toma de decisiones en entornos complejos.
521			_apúblico en general
534			_tMachine learning with Pytorch and scikit-learn.
650	1	7	_aAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) _2ARMARC
650	1	7	_aPYTHON (LENGUAJE DE PROGRAMACIÓN) _2ARMARC
650	1	7	_aAGENTES INTELIGENTES (SOFTWARE PARA COMPUTADORES) _2ARMARC
942			_2ddc _cBK _eprimera edición _n0
999			_c4946 _d4946