A través de una reciente serie de avances, el aprendizaje profundo ha impulsado todo el campo del aprendizaje automático. Ahora, incluso los programadores que saben casi nada sobre esta tecnología pueden usar herramientas sencillas y eficientes para implementar programas capaces de aprender de los datos.. Este libro más vendido utiliza ejemplos concretos, teoría mínima y frameworks de Python listos para producción (Scikit-Learn, Keras y TensorFlow) para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes.
Con esta tercera edición actualizada, el autor Aurélien Géron explora una gama de técnicas, comenzando con la regresión lineal simple y avanzando hasta las redes neuronales profundas.. Numerosos ejemplos de código y ejercicios a lo largo del libro te ayudan a aplicar lo que has aprendido. La experiencia en programación es todo lo que necesitas para empezar.
Usa Scikit-learn para seguir un ejemplo de proyecto de ML de principio a fin
Explore varios modelos, incluidos máquinas de vectores de soporte, árboles de decisión, bosques aleatorios y métodos de ensamblaje
Explotar técnicas de aprendizaje no supervisado como la reducción de dimensionalidad, el clustering y la detección de anomalías
Sumérgete en las arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas adversarias, autoencoders, modelos de difusión y transformers.
Utiliza TensorFlow y Keras para construir y entrenar redes neuronales para visión por computadora, procesamiento del lenguaje natural, modelos generativos y aprendizaje por refuerzo profundo
Sobre el Autor:
Aurélien Géron es un consultor de Machine Learning. Ex empleado de Google, dirigió el equipo de clasificación de videos de YouTube de 2013 a 2016. También fue fundador y CTO de Wifirst de 2002 a 2012, un proveedor de servicios de Internet inalámbrico líder en Francia, y fundador y CTO de Polyconseil en 2001, una firma de consultoría de telecomunicaciones.
Reembolso por falta de entrega
