Introducción al aprendizaje automático con R: Análisis matemático riguroso

Opiniones de los lectores

El libro sirve como una gran guía introductoria al aprendizaje automático en R, desglosando fácilmente conceptos complejos para principiantes. Sin embargo, es muy criticado por contener numerosas erratas y errores que pueden confundir a los lectores, especialmente a los novatos.

⬤ Fácil de entender
⬤ buen contenido introductorio
⬤ introducción completa a los conceptos del aprendizaje automático
⬤ incluye ejemplos prácticos utilizando el paquete caret
⬤ buena estructura para principiantes.

⬤ Plagado de erratas y errores
⬤ la salida no coincide con el texto proporcionado
⬤ problemas de calidad de impresión
⬤ muchos lectores recomiendan esperar a una edición revisada debido a la falta de corrección.

(basado en 7 opiniones de lectores)

Título original:

Introduction to Machine Learning with R: Rigorous Mathematical Analysis

Contenido del libro:

El aprendizaje automático es un tema intimidante hasta que se conocen sus fundamentos. Si entiende los conceptos básicos de codificación, esta guía introductoria le ayudará a adquirir una base sólida en los principios del aprendizaje automático.

Utilizando el lenguaje de programación R, primero empezará a aprender con el modelado de regresión y después se adentrará en temas más avanzados, como las redes neuronales y los métodos basados en árboles. Por último, se adentrará en la frontera del aprendizaje automático, utilizando el paquete caret en R. Una vez que se familiarice con temas como la diferencia entre los modelos de regresión y clasificación, será capaz de resolver una serie de problemas de aprendizaje automático.

El autor Scott V.

Burger proporciona varios ejemplos para ayudarle a construir un conocimiento práctico del aprendizaje automático. Explore los modelos de aprendizaje automático, los algoritmos y el entrenamiento de datos.

Comprenda los algoritmos de aprendizaje automático para casos supervisados y no supervisados. Examine los conceptos estadísticos para diseñar los datos que se utilizarán en los modelos. Sumergirse en los modelos de regresión lineal utilizados en los negocios y la ciencia.

Utilizar redes neuronales monocapa y multicapa para calcular resultados. Vea cómo funcionan los modelos basados en árboles, incluidos los populares árboles de decisión. Obtenga una visión completa del ecosistema de aprendizaje automático en R.

Explore la potencia de las herramientas disponibles en el paquete caret de R.