Aprendizaje automático con Python para todos

Opiniones de los lectores

El libro «Machine Learning with Python for Everyone» (Aprendizaje automático con Python para todos), del Dr. Mark Fenner, es muy elogiado por su enfoque claro y práctico de la enseñanza del aprendizaje automático, especialmente para principiantes. Simplifica conceptos complejos y evita los contenidos matemáticos pesados, a la vez que proporciona ejemplos atractivos en Python. Sin embargo, algunos lectores consideran que le falta un tutorial completo sobre la configuración del entorno de aprendizaje, en particular con Jupyter, y que pueden necesitar más proyectos prácticos para ejecutar directamente.

⬤ Presentación clara y práctica de los conceptos de aprendizaje automático.
⬤ Accesible para principiantes absolutos con poca formación matemática.
⬤ Estilo de redacción informal y ameno.
⬤ Ejemplos de alta calidad que pueden ejecutarse en ordenadores domésticos.
⬤ Comentarios positivos sobre la capacidad de respuesta del autor a las preguntas.

⬤ Falta de un tutorial detallado para configurar el entorno, en concreto Jupyter.
⬤ Requiere que los lectores introduzcan manualmente código Python, lo que puede resultar pesado para algunos.
⬤ Pocos proyectos prácticos disponibles.

(basado en 5 opiniones de lectores)

Título original:

Machine Learning with Python for Everyone

Contenido del libro:

La guía completa para principiantes para entender y construir sistemas de aprendizaje automático con Python.

Machine Learning with Python for Everyone te ayudará a dominar los procesos, patrones y estrategias que necesitas para construir sistemas de aprendizaje efectivos, incluso si eres un principiante absoluto. Si puede escribir algo de código Python, este libro es para usted, sin importar lo poco que sepa de matemáticas a nivel universitario. El instructor principal, Mark E. Fenner, se basa en historias en inglés sencillo, imágenes y ejemplos de Python para comunicar las ideas del aprendizaje automático.

Mark comienza hablando sobre el aprendizaje automático y lo que puede hacer, introduciendo temas matemáticos y computacionales clave de una manera accesible, y guiándole a través de los primeros pasos en la construcción, entrenamiento y evaluación de sistemas de aprendizaje. Paso a paso, completará los componentes de un sistema de aprendizaje práctico, ampliará su caja de herramientas y explorará algunas de las técnicas más sofisticadas y apasionantes de este campo. Tanto si es estudiante, analista, científico o aficionado, los conocimientos de esta guía serán aplicables a todos los sistemas de aprendizaje que construya o utilice.

⬤ Comprenda los algoritmos, los modelos y los conceptos básicos del aprendizaje automático.

⬤ Clasificar ejemplos con clasificadores y cuantificar ejemplos con regresores.

⬤ Evaluar de forma realista el rendimiento de los sistemas de aprendizaje automático.

⬤ Utilizar la ingeniería de características para suavizar los datos en bruto en formas útiles.

⬤ Encadenar múltiples componentes en un sistema y ajustar su rendimiento.

⬤ Aplicar técnicas de aprendizaje automático a imágenes y texto.

⬤ Conectar los conceptos básicos a redes neuronales y modelos gráficos.

⬤ Utilizar la librería scikit-learn de Python y otras potentes herramientas.

Registre su libro para acceder cómodamente a descargas, actualizaciones y/o correcciones a medida que estén disponibles. Consulte el interior del libro para más detalles.