Aprendizaje Supervisado Práctico con Python: Aprenda a resolver problemas de aprendizaje automático con algoritmos de aprendizaje supervisado utilizando Python

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 10 votos.

Título original:

Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python

Contenido del libro:

Resolución práctica de problemas de ML y creación de soluciones con Python.

Características principales

⬤ Introducción a la programación en Python.

⬤ Python para el Aprendizaje Automático.

⬤ Introducción al Aprendizaje Automático.

⬤ Introducción a la Modelización Predictiva, Algoritmos Supervisados y No Supervisados.

⬤ Regresión lineal, regresión logística y máquinas de vectores soporte.

Descripción

Conocerás los fundamentos del Machine Learning y el post de programación en Python, con lo que te introducirás en el modelado predictivo y las diferentes metodologías en modelado predictivo. Se le presentará a los algoritmos de aprendizaje supervisado y algoritmos de aprendizaje no supervisado y la diferencia entre ellos.

Nos centraremos en el aprendizaje supervisado de algoritmos de aprendizaje automático que abarcan la regresión lineal, la regresión logística, las máquinas de vectores soporte, los árboles de decisión y las redes neuronales artificiales. Para cada uno de estos algoritmos, se trabajará con conjuntos de datos de código abierto y se utilizará la programación en Python para programar los algoritmos de aprendizaje automático. Aprenderá a limpiar los datos y a optimizar las características para obtener los mejores resultados de su modelo de aprendizaje automático. Usted aprenderá acerca de los diversos parámetros que determinan la exactitud de su modelo y cómo se puede ajustar su modelo basado en la reflexión de estos parámetros.

Qué aprenderás

⬤ Obtener una visión clara de lo que es el aprendizaje automático y familiarizarse con los principios fundamentales del aprendizaje automático.

⬤ Comprender las bibliotecas específicas del lenguaje Python disponibles para el aprendizaje automático y ser capaz de trabajar con esas bibliotecas.

Explorar los diferentes algoritmos basados en Aprendizaje Supervisado en Machine Learning y saber cómo implementarlos cuando se te presente un caso de uso en tiempo real.

⬤ Tener experiencia práctica con la exploración de datos, la limpieza de datos, el preprocesamiento de datos y la implementación de modelos.

⬤ Llegar a conocer los conceptos básicos de aprendizaje profundo y algunos algoritmos interesantes en este espacio.

⬤ Elija el modelo adecuado en función del planteamiento de su problema y trabaje con técnicas EDA para obtener una buena precisión en su modelo.

A quién va dirigido este libro

Este libro es para cualquier persona interesada en entender el Aprendizaje Automático. Principiantes, Ingenieros de Aprendizaje Automático y Científicos de Datos que quieran familiarizarse con algoritmos de Aprendizaje Supervisado encontrarán este libro útil.

Tabla de contenidos

1. Introducción a la programación en Python.

2. 2. Python para Aprendizaje Automático.

3. Introducción al Aprendizaje Automático.

4. Aprendizaje Supervisado y Aprendizaje No Supervisado.

5. Regresión Lineal: Una guía práctica 6. Regresión Logística - Una Introducción.

7. Un vistazo al funcionamiento de las máquinas de vectores soporte (SVM)

8. Árboles de decisión.

9. Bosques aleatorios.

10. Modelos de series temporales en aprendizaje automático.

11. Introducción a las Redes Neuronales.

12. Redes Neuronales Recurrentes.

13. Redes neuronales convolucionales.

14. Métricas de rendimiento.

15. Introducción al Design Thinking.

16. 16. Caso práctico de Design Thinking.