Algoritmos genéticos prácticos con Python

Opiniones de los lectores

El libro ha sido muy elogiado por ser una introducción completa pero concisa a los algoritmos genéticos (AG), especialmente adecuada para principiantes con conocimientos básicos de Python. Los lectores aprecian su claridad, sencillez y ejemplos prácticos, que lo convierten en un excelente recurso para aplicar los AG a los retos del mundo real. Sin embargo, algunos lectores consideran que faltan experiencias prácticas de codificación al principio del texto y han observado problemas de formato en la versión Kindle.

⬤ Completo y conciso
⬤ fácil de seguir
⬤ gran introducción para los recién llegados a GA
⬤ explicaciones claras de conceptos complejos
⬤ ejemplos prácticos utilizando el marco DEAP
⬤ fuerte para aplicaciones de proyectos prácticos
⬤ visualizaciones útiles
⬤ accesible y bien escrito.

⬤ Le faltan ejemplos prácticos de codificación en los primeros capítulos
⬤ algunos fragmentos de código están fuera de contexto y no se explican en profundidad
⬤ los problemas de formato de Kindle dificultan la lectura.

(basado en 12 opiniones de lectores)

Título original:

Hands-On Genetic Algorithms with Python

Contenido del libro:

Explore el mundo en constante crecimiento de los algoritmos genéticos para resolver tareas de búsqueda, optimización y relacionadas con la inteligencia artificial, y mejore los modelos de aprendizaje automático utilizando bibliotecas de Python como DEAP, scikit-learn y NumPy Características principales Explore los entresijos de los algoritmos genéticos con esta guía de ritmo rápido Implemente tareas como la selección de características, la optimización de búsquedas y el análisis de conglomerados utilizando Python Resuelva problemas combinatorios, optimice funciones y mejore el rendimiento de las aplicaciones de inteligencia artificial Descripción del libro

Los algoritmos genéticos son una familia de algoritmos de búsqueda, optimización y aprendizaje inspirados en los principios de la evolución natural. Al imitar el proceso evolutivo, los algoritmos genéticos pueden superar los obstáculos encontrados en los algoritmos de búsqueda tradicionales y proporcionar soluciones de alta calidad para una gran variedad de problemas. Este libro le ayudará a familiarizarse con un enfoque potente pero sencillo para aplicar algoritmos genéticos a una amplia gama de tareas utilizando Python, cubriendo los últimos avances en inteligencia artificial.

Tras presentarle los algoritmos genéticos y sus principios de funcionamiento, comprenderá en qué se diferencian de los algoritmos tradicionales y qué tipos de problemas pueden resolver. A continuación, descubrirá cómo pueden aplicarse a problemas de búsqueda y optimización, como la planificación, la programación, los juegos y la analítica. A medida que avance, también aprenderá a utilizar algoritmos genéticos para mejorar sus modelos de aprendizaje automático y aprendizaje profundo, resolver tareas de aprendizaje de refuerzo y realizar reconstrucción de imágenes. Por último, cubrirás varias tecnologías relacionadas que pueden abrir nuevas posibilidades para futuras aplicaciones.

Al final de este libro, usted tendrá experiencia práctica en la aplicación de algoritmos genéticos en inteligencia artificial, así como en muchos otros dominios. Lo que aprenderá Comprender cómo utilizar herramientas Python de última generación para crear aplicaciones basadas en algoritmos genéticos Utilizar algoritmos genéticos para optimizar funciones y resolver problemas de planificación y programación Mejorar el rendimiento de los modelos de aprendizaje automático y optimizar la arquitectura de redes de aprendizaje profundo Aplicar algoritmos genéticos a tareas de aprendizaje por refuerzo utilizando OpenAI Gym Explorar cómo se pueden reconstruir imágenes utilizando un conjunto de formas semitransparentes Descubrir otras técnicas bioinspiradas, como la programación genética y la optimización de enjambre de partículas A quién va dirigido este libro.

Este libro está dirigido a desarrolladores de software, científicos de datos y entusiastas de la IA que deseen utilizar algoritmos genéticos para llevar a cabo tareas inteligentes en sus aplicaciones. El conocimiento práctico de Python y los conocimientos básicos de matemáticas y ciencias de la computación le ayudarán a sacar el máximo provecho de este libro. Tabla de contenidos Introducción a los algoritmos genéticos Comprensión de los componentes clave de los algoritmos genéticos Uso del marco DEAP Optimización combinatoria Satisfacción de restricciones Optimización de funciones continuas Mejora de los modelos de aprendizaje automático mediante la selección de características Ajuste de hiperparámetros Modelos de aprendizaje automático Optimización de la arquitectura de redes de aprendizaje profundo Aprendizaje por refuerzo con algoritmos genéticos Reconstrucción genética de imágenes Otras técnicas de computación evolutiva y bioinspirada.