Aprendizaje supervisado con Python: Conceptos e Implementación Práctica con Python

Opiniones de los lectores

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

Título original:

Supervised Learning with Python: Concepts and Practical Implementation Using Python

Contenido del libro:

Obtenga un conocimiento profundo de los algoritmos de aprendizaje supervisado mediante el desarrollo de casos de uso con Python. Estudiarás conceptos de aprendizaje supervisado, código Python, conjuntos de datos, mejores prácticas, resolución de problemas y escollos comunes, y conocimientos prácticos de implementación de algoritmos para conjuntos de datos estructurados, así como de texto e imágenes.

Comenzará con una introducción al aprendizaje automático, destacando las diferencias entre aprendizaje supervisado, semisupervisado y no supervisado. En los siguientes capítulos estudiará los problemas de regresión y clasificación, las matemáticas que los sustentan, algoritmos como la regresión lineal, la regresión logística, el árbol de decisión, KNN, Nave Bayes, y algoritmos avanzados como Random Forest, SVM, Gradient Boosting y redes neuronales. Todos los algoritmos se implementan en Python. Concluirá con un proceso de desarrollo de modelos de principio a fin que incluye la implementación y el mantenimiento del modelo.

Después de leer Aprendizaje Supervisado con Python tendrás un amplio conocimiento del aprendizaje supervisado y su implementación práctica, y serás capaz de ejecutar el código y extenderlo de forma innovadora.

Lo que aprenderá

⬤ Revisar los bloques de construcción y conceptos fundamentales del aprendizaje supervisado utilizando Python.

⬤ Desarrollar soluciones de aprendizaje supervisado para datos estructurados, así como texto e imágenes.

⬤ Resolver problemas de sobreajuste, ingeniería de características, limpieza de datos y validación cruzada para crear los modelos más adecuados.

⬤ Comprender el ciclo completo del modelo, desde la definición del problema empresarial hasta la implementación y el mantenimiento del modelo.

⬤ Evitar las trampas comunes y adherirse a las mejores prácticas al crear un modelo de aprendizaje supervisado utilizando Python.

A quién va dirigido este libro

Científicos de datos o analistas de datos interesados en las mejores prácticas y estándares para el aprendizaje supervisado, y el uso de algoritmos de clasificación y técnicas de regresión para desarrollar modelos predictivos.