Aprendizaje automático para principiantes: Learn to Build Machine Learning Systems Using Python (Edición en inglés)

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 37 votos.

Título original:

Machine Learning for Beginners: Learn to Build Machine Learning Systems Using Python (English Edition)

Contenido del libro:

Familiarícese con diversos algoritmos de aprendizaje supervisado, no supervisado y de refuerzo.

Características principales

⬤ Comprender los tipos de aprendizaje automático.

⬤  Familiarizarse con diferentes métodos de extracción de características.

⬤  Obtener una visión general de cómo funcionan los algoritmos de redes neuronales.

⬤ Aprender a implementar árboles de decisión y bosques aleatorios.

⬤  El libro no sólo explica los algoritmos de Clasificación, sino que también discute las desviaciones / modelado matemático.

Descripción

Este libro abarca conceptos y temas importantes del aprendizaje automático. Comienza con la limpieza de datos y presenta una visión general de la selección de características. A continuación habla de entrenamiento y prueba, validación cruzada y selección de características. El libro cubre algoritmos e implementaciones de las técnicas de selección de características más comunes. A continuación, el libro se centra en la regresión lineal y el descenso gradiente. En el libro se tratan algunas de las técnicas de clasificación más importantes, como los vecinos más cercanos a K, la regresión logística, la bayesiana Na ve y el análisis discriminante lineal. A continuación, se ofrece una visión general de las redes neuronales y se explican los antecedentes biológicos, las limitaciones del perceptrón y el modelo de retropropagación. También se incluyen en el libro las Máquinas de Vectores Soporte y los métodos Kernel. A continuación, muestra cómo implementar árboles de decisión y bosques aleatorios.

Hacia el final, el libro ofrece una breve visión general del aprendizaje no supervisado. Se tratan varias técnicas de extracción de características, como la transformada de Fourier, la STFT y los patrones binarios locales. El libro también analiza el análisis de componentes principales y su aplicación.

¿Qué aprenderá?

⬤ Aprenda a preparar los datos para el aprendizaje automático.

⬤ Aprender a implementar algoritmos de aprendizaje desde cero.

⬤ Utilizar scikit-learn para implementar algoritmos.

⬤ Utilizar varios métodos de selección y extracción de características.

⬤ Aprender a desarrollar un sistema de reconocimiento facial.

A quién va dirigido este libro

El libro está diseñado para estudiantes de Informática de Grado y Postgrado y para los profesionales que tienen la intención de cambiar al fascinante mundo del Aprendizaje Automático. Este libro requiere conocimientos básicos de fundamentos de programación, Python, en particular.

Tabla de Contenidos

1. Una introducción al Aprendizaje Automático.

2. El comienzo: Preprocesamiento y selección de características.

3. 3. Regresión.

4. 4. Clasificación.

5. Redes neuronales- I.

6. Redes neuronales-II.

7. Máquinas de vectores soporte.

8. Árboles de decisión.

9. Clustering.

10. 10. Extracción de características.

Apéndice.

A1. Fichas de ayuda.

A2. Detección de caras.

A3. Bibliografía.

Sobre el autor

Harsh Bhasin es investigador en Aprendizaje Automático Aplicado. El Sr. Bhasin trabajó como profesor asistente en Jamia Hamdard, Nueva Delhi, y enseñó como profesor invitado en varios institutos, incluida la Universidad Tecnológica de Delhi. Anteriormente, trabajó en el desarrollo de algoritmos y en el desarrollo del lado del cliente en C#.

El Sr. Bhasin es autor de varios artículos publicados en revistas de renombre como Soft Computing, Springer, BMC Medical Informatics and Decision Making, AI and Society, etc. Es revisor de destacadas revistas y editor de varios números especiales. Ha recibido una beca distinguida.

Fuera del trabajo, está profundamente interesado en la poesía hindi, la época progresista.

Música clásica indostaní, instrumentos de percusión.

Sus áreas de interés incluyen Estructuras de Datos, Análisis y Diseño de Algoritmos, Teoría de la Computación, Python, Aprendizaje Automático y Aprendizaje Profundo.

Su perfil de LinkedIn:

Https: //in. linkedin.com/in/harsh-bhasin-69134426.