Puntuación:
El libro ha recibido sistemáticamente críticas negativas de los usuarios, sobre todo por la mala calidad de la redacción, la falta de contenido original y la escasa calidad de los materiales. Muchos lectores lo encontraron difícil de entender y criticaron su dependencia de fuentes en línea sin explicaciones ni teoría adecuadas. En general, se considera que no merece la pena la inversión.
Ventajas:Algunos usuarios señalaron que el libro proporciona pasos claros para implementar algoritmos de aprendizaje profundo con MATLAB.
Desventajas:El libro presenta un inglés entrecortado y una gramática deficiente, lo que dificulta su comprensión. Muchos revisores lo encontraron poco original, lleno de contenido copiado de fuentes en línea, y criticaron la baja calidad de impresión y la presencia de numerosos errores en el código y las figuras de MATLAB.
(basado en 7 opiniones de lectores)
A Practical Approach for Machine Learning and Deep Learning Algorithms
Involúcrese con el aprendizaje automático
Características principales Aprendizaje automático en MATLAB utilizando conceptos y algoritmos básicos. Algoritmos de aprendizaje automático en un lenguaje sencillo utilizando código MATLAB. Derivación y acceso de datos en MATLAB y a continuación, preprocesado y preparación de datos. Flujo de trabajo de aprendizaje automático para la monitorización de la salud. Dominio de las redes neuronales e implementación en MATLAB con explicación explícita del código y los resultados. ¿Cómo se puede mejorar el modelo predictivo utilizando MATLAB? Código MATLAB para la implementación de un algoritmo, en lugar de una fórmula matemática. Flujo de trabajo de aprendizaje automático para la supervisión de la salud.
Descripción
El aprendizaje automático se busca sobre todo en el campo de la investigación y hoy en día se ha convertido en parte integrante de muchos proyectos de investigación, incluidas las aplicaciones comerciales, así como de la investigación académica. Las aplicaciones del aprendizaje automático van desde la búsqueda de amigos en las redes sociales hasta el diagnóstico médico e incluso el procesamiento de satélites. En este libro, hemos hecho un esfuerzo honesto para facilitar los conceptos del aprendizaje automático y ofrecer programas básicos en MATLAB desde la parte de instalación. Aunque las aplicaciones en tiempo real del aprendizaje automático son infinitas, los conceptos básicos y los algoritmos se discuten utilizando el lenguaje MATLAB para que no sólo se beneficien de ello los estudiantes de posgrado, sino también los investigadores.
Lo que aprenderá
Requisitos previos para el aprendizaje automático Búsqueda de patrones naturales en los datos Construcción de métodos de clasificación Preprocesamiento de datos en Python Construcción de modelos de regresión Creación de redes neuronales Aprendizaje profundo
A quién va dirigido este libro
El libro está pensado básicamente para estudiantes de posgrado y de investigación que encuentran los algoritmos de aprendizaje automático difíciles de implementar. Hemos tratado en detalle todos los algoritmos básicos del aprendizaje automático con un enfoque práctico. Principalmente, los principiantes encontrarán este libro más efectivo ya que los capítulos están subdivididos de forma que encuentren la construcción e implementación de algoritmos en MATLAB interesante y fácil al mismo tiempo.
Tabla de contenidos
Introducción al aprendizaje automático Búsqueda de patrones naturales en los datos Creación de métodos de clasificación Preprocesamiento de datos en Python Creación de modelos de regresión Creación de redes neuronales Introducción al aprendizaje profundo
Sobre el autor
Abhishek Kumar Pandey es Doctor en Ciencias de la Computación y M. Tech en Ciencias de la Computación e Ingeniería. Ha estado trabajando como profesor asistente de Ciencias de la Computación en Aryabhatt Engineering College and Research center, Ajmer y también profesor visitante en Government University MDS Ajmer.
Pramod Singh Rathore está cursando un doctorado en Informática e Ingeniería y un máster en Tecnología. Ha trabajado como profesor asistente de Informática en la Escuela de Ingeniería y Centro de Investigación Aryabhatt de Ajmer y como profesor visitante en la Universidad Gubernamental MDS de Ajmer.
El Dr. S. Balamurugan es Director de Investigación y Desarrollo de Quants IS & CS, India. Anteriormente fue Director de Investigación y Desarrollo de Mindnotix Technologies, India. Es autor/coautor de 33 libros y tiene en su haber 200 publicaciones en diversas revistas y conferencias internacionales.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)