Python Machine Learning: Aprendizaje autom?tico y aprendizaje profundo con Python, scikit-learn y TesnorFlow

AA.VV.

ISBN 10: 8426727204 / ISBN 13: 9788426727206

Editore: Marcombo, 2019

Riguardo questo articolo

. paperback. . . . . .

Codice articolo V9788426727206

Dati bibliografici

• Titolo: Python Machine Learning: Aprendizaje autom?tico y aprendizaje profundo con Python, scikit-learn y TesnorFlow
• Editore: Marcombo
• Data di pubblicazione: 2019
• Lingua: Spagnolo
• ISBN 10: 8426727204
• ISBN 13: 9788426727206
• Rilegatura: Brossura
• Condizione: New

Descrizione articolo

Riassunto

El aprendizaje automático está invadiendo el mundo del software. Si quieres entender y trabajar la vanguardia del aprendizaje automático, las redes neuronales y el aprendizaje profundo, esta segunda edición del bestseller Python Machine Learning, es tu libro. Modernizado y ampliado para incluir las tecnologías de código abierto más recientes, como scikit-learn, Keras y TensorFlow, este manual proporciona el conocimiento práctico y las técnicas necesarias para crear eficaces aplicaciones de aprendizaje automático y aprendizaje profundo en Python. El conocimiento y la experiencia únicos de Sebastian Raschka y Vahid Mirjalili presentan los algoritmos de aprendizaje automático y aprendizaje profundo, antes de continuar con temas avanzados en análisis de datos. Combinan los principios teóricos del aprendizaje automático con un enfoque práctico de codificación para una comprensión completa de la teoría del aprendizaje automático y la implementación con Python. Aprenderás a: Explorar y entender los frameworks clave para la ciencia de datos, el aprendizaje automático y el aprendizaje profundo Formular nuevas preguntas sobre datos con modelos de aprendizaje automático y redes neuronales Aprovechar el poder de las últimas librerías de código abierto de Python para aprendizaje automático Dominar la implementación de redes neuronales profundas con la librería de TensorFlow Incrustar modelos de aprendizaje automáticos en aplicacions web accesibles Predecir resultados objetivos continuos con análisis de regresión Descubrir patrones ocultos y estructuras en datos con agrupamientos Analizar imágenes mediante técnicas de aprendizaje profundo Profundizar en datos de medios sociales y textuales con el análisis de sentimientos