000 | 02486nam a2200421 a 4500 | ||
---|---|---|---|
008 | 201021t2019 sp |||gr|||| 00| 0 spa d | ||
020 | _a9788426727206 | ||
040 |
_aCO-EnEIA _erda |
||
041 | 1 |
_aspa _heng |
|
082 | 0 | 4 |
_223 _a005 _bR223 _qCO-EnEIA |
100 | 1 |
_912576 _aRaschka, Sebastian |
|
245 | 1 | 0 |
_aPython machine learning : _baprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow _c/ Sebastian Raschka, Vahid Mirjalili.- 2 edición |
246 | 3 | 1 | _aPython machine learning |
250 | _aSegunda edición | ||
264 | 3 | 1 |
_aBarcelona (España) : _bMarcombo, _c2019 |
300 |
_axxii, 616 páginas ; _c23x17 cm. |
||
500 | _aTitulo original: Python machine learning | ||
505 | 2 |
_tCapítulo 1. _aDar a los ordenadores el poder de aprender de los datos |
|
505 | 2 |
_tCapítulo 2. _aEntrenar algoritmos simples de aprendizaje automático para clasificación |
|
505 | 2 |
_tCapítulo 3. _aUn recorrido por los clasificadores de aprendizaje automático con scikit-learn |
|
505 | 2 |
_tCapítulo 4. _aGenerar buenos modelos de entrenamiento: preprocesamiento de datos |
|
505 | 2 |
_tCapítulo 5. _aComprimir datos mediante la reducción de dimensionalidad |
|
505 | 2 |
_tCapítulo 6. _aAprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros |
|
505 | 2 |
_tCapítulo 7. _aCombinar de diferentes modelos para el aprendizaje continuo |
|
505 | 2 |
_tCapítulo 8. _aaplicar el aprendizaje automático para el análisis de sentimiento |
|
505 | 2 |
_tCapítulo 9. _aIncrustar un modelo de aprendizaje automático para el análisis de sentimiento |
|
505 | 2 |
_tCapítulo 10. _aPredicción de variables de destino continuas con análisis de regresión |
|
505 | 2 |
_tCapítulo 11. _aTrabajar con datos sin etiquetar: análisis de grupos |
|
505 | 2 |
_tCapítulo 12. _aImplementar una red neuronal artificial multicapa desde cero |
|
505 | 2 |
_tCapítulo 13. _aParalelización de entrenamiento de redes neuronales con TensorFlow |
|
505 | 2 |
_tCapítulo 14. _aIr más lejos: la mecánica de TensorFlow |
|
505 | 2 |
_tCapítulo 15. _aClasificar imágenes con redes neuronales convulcionales profundas |
|
505 | 2 |
_tCapítulo 16. _aModelado de datos secuenciales mediante redes neuronales recurrentes |
|
650 | 1 | 7 |
_2ARMARC _98991 _aPython (Lenguaje de programación de computadores) |
650 | 2 | 7 |
_2Tesauro SKOS _97291 _aAprendizaje Automático (Inteligencia Artificial) |
710 | 1 |
_912577 _aMirjalili, Vahid _eAutor |
|
942 |
_2ddc _cBK |
||
999 |
_c17515 _d17515 |