Machine Learning T Cnicas De Aprendizaje Supervisado A Trav S De R
Download Machine Learning T Cnicas De Aprendizaje Supervisado A Trav S De R PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Machine Learning T Cnicas De Aprendizaje Supervisado A Trav S De R book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Machine Learning y Deep Learning
Author: Jesús Bobadilla Sancho
language: es
Publisher: Ra-Ma Editorial
Release Date: 2020-02-24
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. 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. 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 y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro: Regresión Clasificación Clustering Reducción de Dimensionalidad Redes Neuronales Redes Convolucionales (Convolutional Neural Networks) Enriquecimiento de datos (Data Augmentation) Generadores de Datos Aprendizaje por Transferencia (Transfer Learning) Autoencoders Visualización de capas ocultas Aprendizaje Generativo (Generative Learning) El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es
Machine Learning y Deep Learning
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. 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. 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 y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro.
MACHINE LEARNING. TÉCNICAS DE APRENDIZAJE SUPERVISADO A TRAVÉS DE R
En este libro se desarrollarán técnicas de Machine Learning correspondientes a aprendizaje supervisado y relativas a regresión. Más concretramente, se profundizará en los modelos lineales de regresión múltiple con toda su problemática de identificación, estimación y diagnosis. Se hace especial hincapié en el tratamiento de la multicolinealidad a través de la Ridge Regression (regresión en cadena) y el método PLS de los mínimos cuadrados parciales. Se profundiza también en los modelos lineales generalizados que son un tipología fundamental de modelos de aprendizaje supervisado. Se dedica una parcela importante del contenido a los modelos de variable dependiente limitada y recuento, con especial mención a los Modelos Logísticos Logit y Probit. También se abordan los modelos predictivos del análisis de la varianza y la covarianza. Todos los temas se ilustran con variedad de ejercicios totalmente resueltos paso a paso con el software R.