Aprendizaje automático en el mundo real

Opiniones de los lectores

El libro ofrece una guía práctica del aprendizaje automático, tendiendo un puente entre los conceptos teóricos y la aplicación en el mundo real. Es adecuado para quienes tengan ciertos conocimientos de programación, especialmente en Python, y ofrece varios ejemplos y fragmentos de código para el aprendizaje práctico. Sin embargo, hay críticas sobre su profundidad en detalles matemáticos y problemas con la presentación del código.

⬤ Bien organizado y presentado con claridad
⬤ ideal para profesionales
⬤ buenos ejemplos y pasos prácticos
⬤ no requiere una amplia formación matemática
⬤ adecuado para desarrolladores de nivel intermedio
⬤ enfoque práctico con ejemplos de código
⬤ aborda cuestiones de la vida real en ML.

⬤ Le falta profundidad en los detalles matemáticos
⬤ algunos fragmentos de código parecen poco pensados y pueden contener errores
⬤ presentación en figuras en blanco y negro
⬤ puede no ser adecuado para usuarios avanzados o que busquen profundidad teórica
⬤ algunos lectores lo encuentran superficial.

(basado en 17 opiniones de lectores)

Título original:

Real-World Machine Learning

Contenido del libro:

Resumen

Real-World Machine Learning es una guía práctica diseñada para enseñar a los desarrolladores en activo el arte de la ejecución de proyectos de ML. Sin sobredosis de teoría académica y matemáticas complejas, introduce la práctica diaria del aprendizaje automático, preparándole para construir y desplegar con éxito potentes sistemas de ML.

La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

Los sistemas de aprendizaje automático le ayudan a encontrar valiosas perspectivas y patrones en los datos, que nunca reconocería con los métodos tradicionales. En el mundo real, las técnicas de ML permiten identificar tendencias, predecir comportamientos y hacer recomendaciones basadas en hechos. Se trata de un campo en auge y los desarrolladores de ML están muy solicitados.

Acerca del libro

Real-World Machine Learning le enseñará los conceptos y técnicas que necesita para ser un profesional de éxito en el aprendizaje automático sin sobredosis de teoría abstracta y matemáticas complejas. Trabajando a través de ejemplos inmediatamente relevantes en Python, construirá habilidades en adquisición de datos y modelado, clasificación y regresión. También explorará las tareas más importantes como la validación de modelos, la optimización, la escalabilidad y el streaming en tiempo real. Cuando haya terminado, estará listo para construir, implementar y mantener con éxito sus propios sistemas de ML.

Contenido

⬤ Predicción del comportamiento futuro.

⬤ Evaluación y optimización del rendimiento.

⬤ Analizar el sentimiento y hacer recomendaciones.

Acerca del lector

No se asume experiencia previa en aprendizaje automático. Los lectores deben saber Python.

Sobre los autores

Henrik Brink, Joseph Richards y Mark Fetherolf son experimentados científicos de datos dedicados a la práctica diaria del aprendizaje automático.

Tabla de contenidos

PARTE 1: EL FLUJO DE TRABAJO DEL APRENDIZAJE AUTOMÁTICO.

⬤ ¿Qué es el aprendizaje automático?

⬤ Datos del mundo real.

⬤ Modelado y predicción.

⬤ Evaluación y optimización de modelos.

⬤ Ingeniería básica de características.

PARTE 2: APLICACIÓN PRÁCTICA.

⬤ Ejemplo: Datos de taxis de NYC.

⬤ Ingeniería avanzada de características.

⬤ Ejemplo avanzado de PLN: opinión sobre una película.

⬤ Escalado de flujos de trabajo de aprendizaje automático.

⬤ Ejemplo: publicidad digital.