Machine Learning : Fundamentos, Algoritmos y Aplicaciones para Los Negocios, Industria y Finanzas.

Format:

Book

Author/Creator:

Velasco Rebolledo, Jacinto.

Language:

Spanish

Subjects (All):

Machine learning.

Python (Computer program language).

Physical Description:

1 online resource (252 pages)

Edition:

1st ed.

Place of Publication:

Madrid : Ediciones Diaz de Santos S.A., 2024.

System Details:

text file

PDF

Summary:

This book serves as a comprehensive guide to machine learning, focusing on its fundamentals, algorithms, and applications in business, industry, and finance. Authored by Dr. Jacinto Velasco Rebolledo, it provides an in-depth exploration of both supervised and unsupervised learning techniques, regression models, and time series analysis. The text is designed for business leaders, students, and professionals who seek to understand and apply machine learning to real-world challenges. It includes practical examples in Python to help readers translate theoretical concepts into actionable insights. The book aims to equip readers with the knowledge and skills necessary to drive innovation and efficiency in their organizations using machine learning technologies. Generated by AI.

Contents:

Prólogo

MÓDULO I. Conceptos generales

1.1. Conceptos generales de aprendizaje automático

1.2. Infraestructura y tipos de analítica de un proyecto de ciencia de datos

1.3. Tipos de aprendizaje automático

1.4. Etapas de un proyecto de aprendizaje automático

1.5. Técnicas de optimización en aprendizaje automático

1.6. Python y buenas prácticas de programación

1.7. Análisis exploratorio de datos (EDA)

MÓDULO II. Aprendizaje supervisado. Clasifiación

2.1. Técnicas de validación de modelos

2.2. Teoría de la decisión: clasifiación bayesiana

2.3. Sistemas de clasifiación básicos

2.4. Sistemas de clasifiación avanzados

2.5. Máquinas de soporte vectorial

2.6. Introducción a redes neuronales

2.7. Procesamiento del lenguaje natural (NLP)

2.8. Estrategias de resolución de problemas en modelos de clasifiación

MÓDULO III. Modelos de regresión y series temporales

3.1. Validación en modelos de regresión

3.2. Regresión lineal múltiple

3.3. Regresión logística

3.4. Modelos de árboles con regresión

3.5. Regresión con vector soporte

3.6. Series temporales con aprendizaje automático

MÓDULO IV. Aprendizaje no supervisado y por refuerzo

4.1. Análisis de componentes principales (PCA)

4.2. Modelos de aprendizaje no supervisado

4.3. Aprendizaje por refuerzo

MÓDULO V. Casos de uso Generated by AI.

Notes:

Includes bibliographical references.

Description based on publisher supplied metadata and other sources.

Part of the metadata in this record was created by AI, based on the text of the resource.

ISBN:

9788490525319

8490525315

OCLC:

1456980277