Aprendizaje automático con R - Cuarta edición: Aprenda técnicas para construir y mejorar modelos de aprendizaje automático, desde la preparación de datos hasta el ajuste de modelos,

Opiniones de los lectores

El libro «Machine Learning with R», de Brett Lantz, es elogiado por sus explicaciones claras y su enfoque estructurado de la enseñanza de conceptos de aprendizaje automático con R. Se considera valioso tanto para principiantes como para alumnos de nivel intermedio, ya que ofrece ejemplos prácticos junto con discusiones teóricas. Sin embargo, algunas reseñas señalan la falta de énfasis en el marco tidymodels y consideran que algunos temas son demasiado superficiales.

Bien escrito y atractivo, hace que los conceptos complejos sean fáciles de entender.

Cobertura exhaustiva de los algoritmos de aprendizaje automático con ejemplos prácticos.

(basado en 17 opiniones de lectores)

Título original:

Machine Learning with R - Fourth Edition: Learn techniques for building and improving machine learning models, from data preparation to model tuning,

Contenido del libro:

Aprende a resolver problemas de datos del mundo real utilizando aprendizaje automático y R

Características principales:

⬤ La edición del 10º aniversario del libro de aprendizaje automático de R más vendido, actualizado con un 50% de contenido nuevo para R 4. 0. 0 y posteriores.

⬤ Aproveche el poder de R para construir modelos de aprendizaje automático flexibles, eficaces y transparentes.

⬤ Aprenda rápidamente con esta guía clara y práctica del experto en aprendizaje automático Brett Lantz.

Descripción del libro:

El aprendizaje automático, en su esencia, se ocupa de transformar los datos en conocimiento procesable. R ofrece un potente conjunto de métodos de aprendizaje automático para obtener información de sus datos de forma rápida y sencilla.

Machine Learning with R, Fourth Edition proporciona una guía práctica, accesible y de fácil lectura para aplicar el aprendizaje automático a problemas del mundo real. Tanto si es un usuario experimentado de R como si es nuevo en el lenguaje, Brett Lantz le enseña todo lo que necesita para preprocesar datos, descubrir ideas clave, realizar nuevas predicciones y visualizar sus hallazgos. Esta edición del 10º aniversario incluye varios capítulos nuevos que reflejan el progreso del ML en los últimos años y le ayudan a desarrollar sus habilidades en la ciencia de datos y a abordar problemas más desafiantes, incluyendo la creación de modelos ML exitosos y la preparación avanzada de datos, la construcción de mejores aprendices y el uso de big data.

También encontrará actualizaciones del clásico libro de ciencia de datos en R hasta R 4.0.0 con nuevas y mejores bibliotecas, consejos sobre cuestiones éticas y de sesgo en el aprendizaje automático y una introducción al aprendizaje profundo. Tanto si desea dar sus primeros pasos con R para el aprendizaje automático como si desea asegurarse de que sus habilidades y conocimientos están al día, esta es una lectura imprescindible que le ayudará a encontrar nuevas y potentes perspectivas en sus datos.

Lo que aprenderá

⬤ Aprenda el proceso de aprendizaje automático de principio a fin, desde los datos brutos hasta la implementación.

⬤ Clasificar resultados importantes utilizando el vecino más cercano y métodos bayesianos.

⬤ Predecir eventos futuros utilizando árboles de decisión, reglas y máquinas de vectores de soporte.

⬤ Predecir datos numéricos y estimar valores financieros utilizando métodos de regresión.

⬤ Modelar procesos complejos con redes neuronales artificiales.

⬤ Preparar, transformar y limpiar datos utilizando el tidyverse.

⬤ Evaluar sus modelos y mejorar su rendimiento.

⬤ Conectar R a bases de datos SQL y tecnologías emergentes de big data como Spark, Hadoop, H2O y TensorFlow.

A quién va dirigido este libro:

Este libro está diseñado para ayudar a los científicos de datos, actuarios, analistas de datos, analistas financieros, científicos sociales, estudiantes de negocios y aprendizaje automático, y cualquier otro profesional que desee una guía clara y accesible para el aprendizaje automático con R. No se requiere experiencia en R, aunque la exposición previa a la estadística y la programación es útil.