Ubicación Física: B61m / 006.3
Machine Learning y Deep Learning : Usando Python, Scikit y Keras / | |
Autor: | Bobadilla, Jesús. |
Pié de imprenta: | Colombia : Ediciones de la U, 2020 |
Descripción: | 294 páginas : tablas, gráficas, diagramas, ilustraciones ; 24cm. |
ISBN: | 9789587921458. |
Tema(s): | |
Contenido: | Capítulo 1. Introducción. -- Capítulo 2. Datasets. -- Capítulo 3. Regresión. -- Capítulo 4. Clasificación. -- Capítulo 5. Clustering. -- Capítulo 6. Reducción de dimensiones. -- Capítulo 7. Redes neuronales. -- Capítulo 8. Clasificación usando redes neuronales. -- Capítulo 9. Redes convolucionales. -- Capítulo 10. Clasificación usando redes convolucionales. -- Capítulo 11. Generadores de datos. -- Capítulo 12. Enriquecimiento de datos (data augmentation). -- Capítulo 13. Visualización de las capas ocultas. -- Capítulo 14. Aprendizaje por transferencia (transfer Learning). -- Capítulo 15. Autoencoders. -- Capítulo 16. Aprendizaje generativo |
Resumen: | 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. |
Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|
Libro General | Biblioteca Sede Centro Sede Centro | Colección General | 006.3 / B61m (Navegar estantería(Abre debajo)) | Ej. 1 | En Procesos Técnicos (Acceso Libre) | SC02853 | |
Libro General | Biblioteca Sede Sur Sede Sur | Colección General | 006.3 B61m (Navegar estantería(Abre debajo)) | Ej.1 | Prestado | 2024-05-22 | SS00747 |
Capítulo 1. Introducción. -- Capítulo 2. Datasets. -- Capítulo 3. Regresión. -- Capítulo 4. Clasificación. -- Capítulo 5. Clustering. -- Capítulo 6. Reducción de dimensiones. -- Capítulo 7. Redes neuronales. -- Capítulo 8. Clasificación usando redes neuronales. -- Capítulo 9. Redes convolucionales. -- Capítulo 10. Clasificación usando redes convolucionales. -- Capítulo 11. Generadores de datos. -- Capítulo 12. Enriquecimiento de datos (data augmentation). -- Capítulo 13. Visualización de las capas ocultas. -- Capítulo 14. Aprendizaje por transferencia (transfer
Learning). -- Capítulo 15. Autoencoders. -- Capítulo 16. Aprendizaje generativo
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.
No hay comentarios en este titulo.