Aprendizaje automático en producción: Desarrollo y optimización de flujos de trabajo y aplicaciones de ciencia de datos

Puntuación:   (2,8 de 5)

Aprendizaje automático en producción: Desarrollo y optimización de flujos de trabajo y aplicaciones de ciencia de datos (Andrew Kelleher)

Opiniones de los lectores

Resumen:

Se critica el libro por ser excesivamente simplista y carecer de detalles esenciales para los lectores interesados en el aprendizaje automático. No proporciona información, estructura ni orientación práctica adecuadas para aplicar los conceptos del aprendizaje automático en situaciones reales.

Ventajas:

El libro podría servir como introducción muy básica para principiantes absolutos que no saben nada sobre aprendizaje automático.

Desventajas:

Es demasiado abreviado, carece de índice y de tabla de contenidos, y no proporciona información significativa sobre las aplicaciones prácticas del aprendizaje automático. Muchos lectores opinan que no merece la pena comprarlo y que es más bien un refuerzo para el currículum de los autores.

(basado en 2 opiniones de lectores)

Título original:

Machine Learning in Production: Developing and Optimizing Data Science Workflows and Applications

Contenido del libro:

Fundational Hands-On Skills for Succeeding with Real Data Science Projects.

Machine Learning in Production es un curso intensivo de ciencia de datos y aprendizaje automático para personas que necesitan resolver problemas del mundo real y no tienen una amplia formación formal. Escrito para "científicos de datos accidentales" con curiosidad, ambición y capacidad técnica, esta introducción completa y rigurosa hace hincapié en la práctica, no en la teoría.

Basándose en principios ágiles, Andrew y Adam Kelleher muestran cómo ofrecer un valor significativo rápidamente, resistiéndose a las herramientas sobrevaloradas y a la complejidad innecesaria. Basándose en su amplia experiencia, le ayudarán a formular preguntas útiles y a ejecutar proyectos típicos de principio a fin.

Los autores muestran cuánta información se puede obtener con consultas, agregaciones y visualizaciones sencillas, y enseñan métodos de análisis de errores indispensables para evitar errores costosos. Se centran en técnicas de aprendizaje automático como la regresión lineal, la clasificación, la agrupación y la inferencia bayesiana. También explican el hardware y el software de la ciencia de datos y cómo diseñar sistemas que maximicen el rendimiento a pesar de las limitaciones.

Los autores se centran siempre en lo que importa: resolver los problemas que ofrecen el mayor rendimiento de la inversión, utilizando los enfoques más sencillos y de menor riesgo que funcionan.

⬤ Aprovechar los principios ágiles para mantener el alcance del proyecto pequeño y el desarrollo eficiente.

⬤ Comience con heurísticas sencillas y mejórelas a medida que madura su canalización de datos.

⬤ Evitar conclusiones erróneas mediante la aplicación de técnicas de análisis de errores fundamentales.

⬤ Comunicar sus resultados con técnicas básicas de visualización de datos.

⬤ Dominar las técnicas básicas de aprendizaje automático, empezando por la regresión lineal y los bosques aleatorios.

⬤ Realizar clasificaciones y agrupaciones de datos vectoriales y gráficos.

⬤ Dominar las redes bayesianas y utilizarlas para entender la inferencia causal.

⬤ Explorar el sobreajuste, la capacidad del modelo y otras técnicas avanzadas de aprendizaje automático.

⬤ Tomar decisiones de arquitectura informadas sobre almacenamiento, transferencia de datos, computación y comunicación.

Otros datos del libro:

ISBN:9780134116549
Autor:
Editorial:
Encuadernación:Tapa blanda
Año de publicación:2019
Número de páginas:288

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Aprendizaje automático en producción: Desarrollo y optimización de flujos de trabajo y aplicaciones...
Fundational Hands-On Skills for Succeeding with...
Aprendizaje automático en producción: Desarrollo y optimización de flujos de trabajo y aplicaciones de ciencia de datos - Machine Learning in Production: Developing and Optimizing Data Science Workflows and Applications

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)