| 000 -CABECERA |
|---|
| Campo de control de longitud fija |
02486nam a2200421 a 4500 |
| 008 - CAMPO FIJO DE DESCRIPCIÓN FIJA--INFORMACIÓN GENERAL |
|---|
| Campo de control de longitud fija |
201021t2019 sp |||gr|||| 00| 0 spa d |
| 020 ## - ISBN (INTERNATIONAL STANDARD BOOK NUMBER) |
|---|
| ISBN |
9788426727206 |
| 040 ## - FUENTE DE CATALOGACIÓN |
|---|
| Agencia de catalogación original |
CO-EnEIA |
| Convenciones de la descripción |
rda |
| 041 1# - CÓDIGO DE IDIOMA |
|---|
| Código de idioma para texto, pista de sonido o título separado |
Español |
| Código del idioma de la versión original y/o traducciones intermedias del texto |
eng |
| 082 04 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
|---|
| Número de edición DEWEY |
23 |
| Número de clasificación Decimal |
005 |
| Número de documento (Cutter) |
R223 |
| Agencia que asigna el número |
CO-EnEIA |
| 100 1# - ENCABEZAMIENTO PRINCIPAL--NOMBRE PERSONAL |
|---|
| 9 (RLIN) |
12576 |
| Nombre de persona |
Raschka, Sebastian |
| 245 10 - TÍTULO PROPIAMENTE DICHO |
|---|
| Título |
Python machine learning : |
| Parte restante del título |
aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow |
| Mención de responsabilidad, etc. |
/ Sebastian Raschka, Vahid Mirjalili.- 2 edición |
| 246 31 - FORMA VARIANTE DEL TÍTULO |
|---|
| Título propiamente dicho/forma breve del título |
Python machine learning |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
Segunda edición |
| 264 31 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Barcelona (España) : |
| Nombre del de productor, editor, distribuidor, fabricante |
Marcombo, |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2019 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
xxii, 616 páginas ; |
| Dimensiones |
23x17 cm. |
| 500 ## - NOTA GENERAL |
|---|
| Nota general |
Titulo original: Python machine learning |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 1. |
| Nota de contenido con formato preestablecido |
Dar a los ordenadores el poder de aprender de los datos |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 2. |
| Nota de contenido con formato preestablecido |
Entrenar algoritmos simples de aprendizaje automático para clasificación |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 3. |
| Nota de contenido con formato preestablecido |
Un recorrido por los clasificadores de aprendizaje automático con scikit-learn |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 4. |
| Nota de contenido con formato preestablecido |
Generar buenos modelos de entrenamiento: preprocesamiento de datos |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 5. |
| Nota de contenido con formato preestablecido |
Comprimir datos mediante la reducción de dimensionalidad |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 6. |
| Nota de contenido con formato preestablecido |
Aprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 7. |
| Nota de contenido con formato preestablecido |
Combinar de diferentes modelos para el aprendizaje continuo |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 8. |
| Nota de contenido con formato preestablecido |
aplicar el aprendizaje automático para el análisis de sentimiento |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 9. |
| Nota de contenido con formato preestablecido |
Incrustar un modelo de aprendizaje automático para el análisis de sentimiento |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 10. |
| Nota de contenido con formato preestablecido |
Predicción de variables de destino continuas con análisis de regresión |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 11. |
| Nota de contenido con formato preestablecido |
Trabajar con datos sin etiquetar: análisis de grupos |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 12. |
| Nota de contenido con formato preestablecido |
Implementar una red neuronal artificial multicapa desde cero |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 13. |
| Nota de contenido con formato preestablecido |
Paralelización de entrenamiento de redes neuronales con TensorFlow |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 14. |
| Nota de contenido con formato preestablecido |
Ir más lejos: la mecánica de TensorFlow |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 15. |
| Nota de contenido con formato preestablecido |
Clasificar imágenes con redes neuronales convulcionales profundas |
| 505 2# - NOTA DE CONTENIDO FORMATEADA |
|---|
| Título |
Capítulo 16. |
| Nota de contenido con formato preestablecido |
Modelado de datos secuenciales mediante redes neuronales recurrentes |
| 650 17 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
ARMARC |
| 9 (RLIN) |
8991 |
| Nombre de materia o nombre geográfico como elemento de entrada |
Python (Lenguaje de programación de computadores) |
| 650 27 - ASIENTO SECUNDARIO DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
Tesauro SKOS |
| 9 (RLIN) |
7291 |
| Nombre de materia o nombre geográfico como elemento de entrada |
Aprendizaje Automático (Inteligencia Artificial) |
| 710 1# - ENCABEZAMIENTO SECUNDARIO--NOMBRE CORPORATIVO |
|---|
| 9 (RLIN) |
12577 |
| Nombre corporativo o de jurisdicción como elemento de entrada |
Mirjalili, Vahid |
| Término relacionador |
Autor |
| 942 ## - ELEMENTOS KOHA |
|---|
| Fuente de clasificación o esquema de ordenación en estanterías |
|
| Koha tipo de item |
Libro - Material General |
Sede Las Palmas: km 2 + 200 Vía al Aeropuerto José María Córdoba Envigado, Colombia.
Tel: (+57) 604 354 90 90, ext. 248
