Algoritmos de aprendizaje automático - Segunda edición: Algoritmos populares para la ciencia de datos y el aprendizaje automático, 2ª Edición

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 15 votos.

Título original:

Machine Learning Algorithms - Second Edition: Popular algorithms for data science and machine learning, 2nd Edition

Contenido del libro:

Una guía fácil de seguir, paso a paso, para familiarizarse con la aplicación en el mundo real de los algoritmos de aprendizaje automático.

Características principales

⬤ Explore la estadística y las matemáticas complejas para aplicaciones de datos intensivos.

⬤ Descubra nuevos desarrollos en el algoritmo EM, PCA y regresión bayesiana.

⬤ Estudie patrones y haga predicciones a través de varios conjuntos de datos.

Descripción del libro

El aprendizaje automático ha ganado una enorme popularidad por sus potentes y rápidas predicciones con grandes conjuntos de datos. Sin embargo, las verdaderas fuerzas detrás de su potente rendimiento son los complejos algoritmos que implican un análisis estadístico sustancial que agitan grandes conjuntos de datos y generan una visión sustancial.

Esta segunda edición de Algoritmos de aprendizaje automático le guiará a través de los principales resultados de desarrollo que han tenido lugar en relación con los algoritmos de aprendizaje automático, que constituyen importantes contribuciones al proceso de aprendizaje automático y le ayudarán a reforzar y dominar la interpretación estadística en todas las áreas del aprendizaje supervisado, semisupervisado y de refuerzo. Una vez cubiertos los conceptos básicos de un algoritmo, explorarás ejemplos del mundo real basados en las librerías más difundidas, como scikit-learn, NLTK, TensorFlow y Keras. Descubrirá nuevos temas como el análisis de componentes principales (PCA), el análisis de componentes independientes (ICA), la regresión bayesiana, el análisis discriminante, la agrupación avanzada y la mezcla gaussiana.

Al final de este libro, habrá estudiado los algoritmos de aprendizaje automático y será capaz de ponerlos en producción para que sus aplicaciones de aprendizaje automático sean más innovadoras.

Lo que aprenderá

⬤ Estudiar la selección de características y el proceso de ingeniería de características.

⬤ Evaluar el rendimiento y las compensaciones de error para la regresión lineal.

⬤ Construir un modelo de datos y entender cómo funciona utilizando diferentes tipos de algoritmos.

⬤ Aprender a ajustar los parámetros de las máquinas de vectores de soporte (SVM).

⬤ Explorar el concepto de procesamiento del lenguaje natural (PLN) y los sistemas de recomendación.

⬤ Crear una arquitectura de aprendizaje automático desde cero.

A quién va dirigido este libro

Algoritmos de aprendizaje automático es para usted si usted es un ingeniero de aprendizaje automático, ingeniero de datos, o científico de datos junior que quiere avanzar en el campo de la analítica predictiva y el aprendizaje automático. La familiaridad con R y Python será una ventaja añadida para obtener lo mejor de este libro.