Aprendizaje automático práctico con R

Opiniones de los lectores

El libro es elogiado por sus explicaciones claras, ejemplos prácticos y una visión completa de los conceptos de aprendizaje automático, en particular en R. Muchos críticos destacaron el estilo de enseñanza eficaz de los autores y el contenido bien estructurado, que sirve tanto para principiantes como para aquellos que buscan consolidar sus conocimientos. Sin embargo, varios comentarios criticaron la calidad de la versión impresa, citando problemas con la durabilidad, la reproducción del color y los valores generales de producción, lo que hace que parezca excesivamente caro.

Explicaciones y ejemplos claros, consejos prácticos, introducción exhaustiva al aprendizaje automático con R, buena organización del contenido y estilo didáctico eficaz de los autores.

Mala calidad de impresión, problemas con la encuadernación y legibilidad de los gráficos en color en la impresión en blanco y negro, y caro para la calidad proporcionada.

(basado en 11 opiniones de lectores)

Título original:

Hands-On Machine Learning with R

Contenido del libro:

Hands-on Machine Learning with R proporciona un enfoque práctico y aplicado para aprender y desarrollar la intuición en los métodos de aprendizaje automático más populares de la actualidad. Este libro sirve como guía práctica para el proceso de aprendizaje automático y pretende ayudar al lector a aprender a aplicar la pila de aprendizaje automático dentro de R, que incluye el uso de varios paquetes de R como glmnet, h2o, ranger, xgboost, keras y otros para modelar y obtener información de sus datos de forma efectiva. El libro favorece un enfoque práctico, proporcionando una comprensión intuitiva de los conceptos de aprendizaje automático a través de ejemplos concretos y sólo un poco de teoría.

A lo largo de este libro, el lector estará expuesto a todo el proceso de aprendizaje automático, incluida la ingeniería de características, el remuestreo, el ajuste de hiperparámetros, la evaluación de modelos y la interpretación. El lector estará expuesto a potentes algoritmos como la regresión regularizada, los bosques aleatorios, las máquinas de aumento de gradiente, el aprendizaje profundo, los modelos generalizados de bajo rango, ¡y mucho más! Al favorecer un enfoque práctico y utilizar datos de palabras reales, el lector obtendrá una comprensión intuitiva de las arquitecturas y motores que impulsan estos algoritmos y paquetes, comprenderá cuándo y cómo ajustar los diversos hiperparámetros, y será capaz de interpretar los resultados del modelo. Al final de este libro, el lector debe tener una comprensión firme de la pila de aprendizaje automático de R y ser capaz de implementar un enfoque sistemático para producir resultados de modelado de alta calidad.

Características:

- Ofrece una introducción práctica y aplicada a los métodos de aprendizaje automático más populares.

- Los temas cubiertos incluyen ingeniería de características, remuestreo, aprendizaje profundo y más.

- Utiliza un enfoque práctico y datos del mundo real.