Fundamentos del aprendizaje automático para el análisis predictivo de datos, segunda edición: Algoritmos, ejemplos prácticos y casos prácticos

Opiniones de los lectores

El libro goza de gran prestigio como recurso educativo para principiantes en el aprendizaje automático, ya que proporciona una base sólida y explicaciones claras. Está bien estructurado, con definiciones detalladas, estudios de casos y un enfoque exhaustivo del tema. Sin embargo, carece de suficientes ejemplos de código y el estilo de redacción puede resultar árido en ocasiones.

Fácil de leer y de seguir, bien organizado, proporciona una base sólida, estudios de casos detallados, explicaciones claras de los algoritmos, buen equilibrio entre teoría y sentido práctico, ideal para principiantes, profundidad exhaustiva en los procesos de aprendizaje automático, impresión de alta calidad.

Carece de ejemplos de código para la experiencia práctica, la redacción puede ser árida y poco atractiva, algunos conceptos podrían ser más breves, puede requerir un buen dominio del inglés.

(basado en 13 opiniones de lectores)

Título original:

Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies

Contenido del libro:

Segunda edición de una exhaustiva introducción a los métodos de aprendizaje automático utilizados en el análisis predictivo de datos, que abarca tanto la teoría como la práctica.

El aprendizaje automático se utiliza a menudo para construir modelos predictivos extrayendo patrones de grandes conjuntos de datos. Estos modelos se utilizan en aplicaciones de análisis predictivo de datos, como la predicción de precios, la evaluación de riesgos, la predicción del comportamiento de los clientes y la clasificación de documentos. Este libro de texto introductorio ofrece un tratamiento detallado y centrado de los enfoques de aprendizaje automático más importantes utilizados en el análisis predictivo de datos, abarcando tanto conceptos teóricos como aplicaciones prácticas. El material técnico y matemático se complementa con ejemplos explicativos y casos prácticos que ilustran la aplicación de estos modelos en un contexto empresarial más amplio. Esta segunda edición cubre los últimos avances en aprendizaje automático, especialmente en un nuevo capítulo sobre aprendizaje profundo, y dos nuevos capítulos que van más allá del análisis predictivo para cubrir el aprendizaje no supervisado y el aprendizaje de refuerzo.

El libro es accesible, ya que ofrece explicaciones no técnicas de las ideas que sustentan cada enfoque antes de introducir modelos matemáticos y algoritmos. Está centrado y es profundo, proporcionando a los estudiantes un conocimiento detallado de los conceptos básicos, lo que les proporciona una base sólida para explorar el campo por su cuenta. Tanto los primeros capítulos como los estudios de casos posteriores ilustran cómo el proceso de aprendizaje de modelos predictivos encaja en el contexto empresarial más amplio. Los dos casos prácticos describen proyectos específicos de análisis de datos a través de cada fase de desarrollo, desde la formulación del problema empresarial hasta la implementación de la solución analítica. El libro puede utilizarse como libro de texto a nivel introductorio o como referencia para profesionales.