Aprendizaje automático supervisado con Python

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Supervised Machine Learning with Python

Contenido del libro:

Enseñe a su máquina a pensar por sí misma Características principales Profundice en el aprendizaje supervisado y comprenda cómo una máquina aprende a partir de los datos Implemente algoritmos populares de aprendizaje automático desde cero, desarrollando una comprensión profunda en el camino Explore algunas de las bibliotecas científicas y matemáticas más populares en el lenguaje Python Descripción del libro

El aprendizaje automático supervisado se utiliza en una amplia gama de sectores (como las finanzas, la publicidad en línea y la analítica) porque le permite entrenar su sistema para hacer predicciones de precios, ajustes de campañas, recomendaciones de clientes y mucho más mientras el sistema se autoajusta y toma decisiones por sí mismo. Por eso es fundamental saber cómo «aprende» una máquina.

Este libro le guiará a través de la implementación y los matices de muchos algoritmos populares de aprendizaje automático supervisado, a la vez que le facilitará una comprensión profunda a lo largo del camino. Emprenderá este viaje con una rápida visión general y verá en qué se diferencia el aprendizaje automático supervisado del no supervisado. A continuación, exploraremos modelos paramétricos como la regresión lineal y logística, métodos no paramétricos como los árboles de decisión y diversas técnicas de agrupación para facilitar la toma de decisiones y las predicciones. A medida que avancemos, trabajará de forma práctica con sistemas de recomendación, muy utilizados por las empresas online para aumentar la interacción de los usuarios y enriquecer el potencial de compra. Por último, terminaremos con una breve incursión en las redes neuronales y el aprendizaje por transferencia.

Al final de este libro, estará equipado con técnicas prácticas y habrá adquirido los conocimientos prácticos que necesita para aplicar algoritmos de forma rápida y potente a nuevos problemas. Lo que aprenderá Descifrar cómo una máquina aprende un concepto y generalizar su comprensión a nuevos datos Descubrir las diferencias fundamentales entre los modelos paramétricos y no paramétricos Implementar y comprender desde cero varios algoritmos de aprendizaje supervisado bien conocidos Trabajar con modelos en dominios como el comercio electrónico y el marketing Ampliar su experiencia y utilizar varios algoritmos como la regresión, los árboles de decisión y la agrupación Construir sus propios modelos capaces de hacer predicciones Profundizar en los enfoques más populares en el aprendizaje profundo, como el aprendizaje de transferencia y las redes neuronales A quién va dirigido este libro.

Este libro está dirigido a aspirantes a desarrolladores de aprendizaje automático que deseen iniciarse en el aprendizaje supervisado. Se esperan conocimientos intermedios de programación en Python y algunos conocimientos fundamentales de aprendizaje supervisado. Tabla de contenidos Primer paso hacia el aprendizaje supervisado Implementación de modelos paramétricos Trabajo con modelos no paramétricos Temas avanzados en aprendizaje automático supervisado