Machine learning y deep learning : usando Python, Scikit y Keras / Jesús Bobadilla.

Format:

Book

Author/Creator:

Bobadilla Sancho, Jesús, author.

Language:

Spanish

Subjects (All):

Machine learning.

Deep learning (Machine learning).

Python (Computer program language).

Genre:

Libros electrónicos.

Physical Description:

1 online resource : illustrations.

Place of Publication:

Paracuellos de Jarama, Madrid : Ra-Ma, [2020]

System Details:

text file

EPUB

Summary:

Automático (Machine Learning). El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas._x000D_El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning._x000D__x000D_En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit_x000D_y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro: _x000D__x000D_• Regresión_x000D_• Clasificación_x000D_• Clustering_x000D_• Reducción de Dimensionalidad_x000D_• Redes Neuronales_x000D_• Redes Convolucionales (Convolutional Neural Networks)_x000D_• Enriquecimiento de datos (Data Augmentation)_x000D_• Generadores de Datos_x000D_• Aprendizaje por Transferencia (Transfer Learning)_x000D_• Autoencoders_x000D_• Visualización de capas ocultas_x000D_• Aprendizaje Generativo (Generative Learning)_x000D__x000D_El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es

Notes:

Online resource; title from ePub title page (Digitalia, viewed June 2, 2022)

OCLC:

1335132241