1 option
Sistemas de Aprendizaje Automático / Emilio Soria Olivas.
- Format:
- Book
- Author/Creator:
- Soria Olivas, Emilio, author.
- Language:
- Spanish
- Subjects (All):
- Machine learning.
- Genre:
- Libros electrónicos.
- Physical Description:
- 1 online resource (264 pages)
- Place of Publication:
- Madrid , Spain : RA-MA Editorial, 2023.
- Summary:
- El presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia "la era de los datos" y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finalmente, finaliza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes Long Short Term Memory (LSTM). Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro. ¿Te lo vas a perder? El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es. Los contenidos adaptados al Curso de Especialización en Inteligencia Artificial y Big Data.
- Notes:
- Contenidos adaptados al Curso de Especialización en Inteligencia Artificial y Big Data.
- Incluye índice.
- Incluye referencias bibliográficas.
- Description based on publisher supplied metadata and other sources.
- OCLC:
- 1410392909
The Penn Libraries is committed to describing library materials using current, accurate, and responsible language. If you discover outdated or inaccurate language, please fill out this feedback form to report it and suggest alternative language.