Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow / Sebastian Raschka, Vahid Mirjalili.- 2 edición
Por: Raschka, Sebastian.
Colaborador(es): Mirjalili, Vahid [Autor].
Tipo de material: LibroEditor: Barcelona (España) : Marcombo, 2019Edición: Segunda edición.Descripción: xxii, 616 páginas ; 23x17 cm.Idioma: EspañolISBN: 9788426727206.Otro título: Python machine learning.Materia(s): Python (Lenguaje de programación de computadores) | Aprendizaje Automático (Inteligencia Artificial)Clasificación CDD: 005Item type | Current location | Collection | Call number | Copy number | Status | Date due | Barcode |
---|---|---|---|---|---|---|---|
Libro - Material General | Biblioteca Campus Palmas General | General | 005.133/R223/2 edición (Browse shelf) | 1 | Available | 0022188 | |
Libro - Material General | Biblioteca Campus Palmas General | General | 005.133/R223/2 ed. Ej, 2 (Browse shelf) | 1 | Available | 0022892 |
Titulo original: Python machine learning
Capítulo 1. Dar a los ordenadores el poder de aprender de los datos
Capítulo 2. Entrenar algoritmos simples de aprendizaje automático para clasificación
Capítulo 3. Un recorrido por los clasificadores de aprendizaje automático con scikit-learn
Capítulo 4. Generar buenos modelos de entrenamiento: preprocesamiento de datos
Capítulo 5. Comprimir datos mediante la reducción de dimensionalidad
Capítulo 6. Aprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros
Capítulo 7. Combinar de diferentes modelos para el aprendizaje continuo
Capítulo 8. aplicar el aprendizaje automático para el análisis de sentimiento
Capítulo 9. Incrustar un modelo de aprendizaje automático para el análisis de sentimiento
Capítulo 10. Predicción de variables de destino continuas con análisis de regresión
Capítulo 11. Trabajar con datos sin etiquetar: análisis de grupos
Capítulo 12. Implementar una red neuronal artificial multicapa desde cero
Capítulo 13. Paralelización de entrenamiento de redes neuronales con TensorFlow
Capítulo 14. Ir más lejos: la mecánica de TensorFlow
Capítulo 15. Clasificar imágenes con redes neuronales convulcionales profundas
Capítulo 16. Modelado de datos secuenciales mediante redes neuronales recurrentes
There are no comments on this title.