MARC details
| 000 -ENCABEZADO |
|---|
| Número de control [NR] |
03525cam a2200337 i 4500 |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| control field |
20240405003910.0 |
| 007 - CAMPO DESCRIPCIÓN FÍSICA FIJA - INFORMACIÓN GENERAL |
|---|
| fixed length control field |
t|| |
| 008 - DE LONGITUD FIJA DE DATOS DE ELEMENTOS - INFORMACIÓN GENERAL |
|---|
| Elementos de longitud fija [NR] |
070208s2016 enka|||fr|||||001|0#eng|d |
| 020 ## - NUMERO INTERNACIONAL NORMALIZADO PARA LIBROS [R] |
|---|
| Número Internacional Normalizado del libro [NR] |
9781783555130 |
| 040 ## - FUENTE DE CATALOGACION [NR] |
|---|
| Agencia de catalogación original [NR] |
CO-BoCES |
| Idioma de catalogación [NR] |
spa |
| Quien Cataloga |
CO-BoCES |
| Convenciones de la descripción [NR] |
rda |
| 041 0# - CODIGO DE IDIOMA [R] |
|---|
| Código de idioma para texto/pista de sonido o título separado [R] |
inglés |
| 082 04 - NUMERO DE CLASIFICACION DECIMAL DEWEY [R] |
|---|
| Número de clasificación [R] |
005 |
| Número del ítem [NR] |
R223p 2015 |
| 100 1# - ASIENTO PRINCIPAL--NOMBRE PERSONAL [NR] |
|---|
| Nombre personal [NR] |
Raschka, Sebastian |
| ID Autoridad |
41297, |
| Término relacionador [R] |
autor. |
| Relator code |
aut |
| 245 00 - MENCION DE TITULO [NR] |
|---|
| Título [NR] |
Python machine learning : |
| Parte restante del título [NR] |
unlock deeper insights into machine learning with this vital guide to cutting\edge predictive analytics / |
| Mención de responsabilidad, etc. [NR] |
Sebastian Raschka. |
| 264 #1 - - Producción, Publicación, Distribución, Fabricación y Aviso de Derechos de Autor |
|---|
| Lugar de producción, publicación, distribución, fabricación |
Birmingham : |
| Nombre del productor, editor, distribuidor, fabricante |
Open Source, |
| Fecha de producción, publicación, distribución, fabricación o aviso de derechos |
2016. |
| 300 ## - DESCRIPCION FISICA [R] |
|---|
| Extensión [R] |
xiii, 425 páginas : |
| Otros detalles físicos [NR] |
ilustraciones ; |
| Dimensiones [R] |
23 cm. |
| 336 ## - Tipo de contenido |
|---|
| Término del tipo de contenido |
texto |
| Código del tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - Tipo de Medio |
|---|
| Término del tipo de medio |
sin mediación |
| Código del tipo de medio |
n |
| Fuente |
rdamedia |
| 338 ## - Tipo de soporte |
|---|
| Nombre del tipo de soporte |
volumen |
| código del tipo de soporte |
nc |
| Fuente |
rdacarrier |
| 490 0# - MENCION DE SERIE [R] |
|---|
| Mención de serie [R] |
Community Experience Distilled |
| 500 ## - NOTA GENERAL [R] |
|---|
| Nota general [NR] |
Incluye índice. |
| 505 0# - NOTA DE CONTENIDO CON FORMATO PREESTABLECIDO [R] |
|---|
| Nota de contenido con formato preestablecido [NR] |
Preface ; Chapter 1. Giving computers the ability to learn from data ; Chapter 2. Training machine learning algorithms for classification ; Chapter 3. A tour of machine learning classifiers using scikit\learn ; Chapter 4. Building good training sets\ data preprocessing ; Chapter 5. Compressing data via dimensionality reduction ; Chapter 6. Learning best practices for model evaluation and hyperparameter tuning ; Chapter 7. Combining different models for ensemble learning ; Chapter 8. Applying machine learning to sentiment analysis ; Chapter 9. Embedding a machine learning model into a web application ; Chapter 10. Predicting continuous target variables with regression analysis ; Chapter 11. Working with unlabeled data clustering analysis ; Chapter 12. Training artificial neural networks for image recognition ; Chapter 13. Parallelizing neural network training with theano. |
| 520 3# - NOTA DE RESUMEN, ETC. [R] |
|---|
| Nota de sumario, etc. [NR] |
El aprendizaje automático y el análisis predictivo están transformando la forma en que las empresas y otras organizaciones operan. Ser capaz de comprender las tendencias y patrones en datos complejos es fundamental para el éxito, convirtiéndose en una de las estrategias clave para destrabar el crecimiento en un mercado desafiante contemporáneo. Python puede ayudarle a entregar información clave en sus datos \ sus capacidades únicas como lengua le permiten crear sofisticados algoritmos y modelos estadísticos que pueden revelar nuevas perspectivas y responder a preguntas clave que son vitales para el éxito. Machine Learning Python le da acceso al mundo de la analítica predictiva y demuestra por qué Python es uno de los idiomas de la ciencias de datos líderes en el mundo. Si desea hacer mejores preguntas de los datos, o la necesidad de mejorar y ampliar las capacidades de sus sistemas de aprendizaje automático, este libro práctico de ciencia de datos tiene un valor incalculable. Que cubre una amplia gama de bibliotecas de Python gran alcance, incluyendo scikit\learn, Teano, y Pylearn2, y que ofrece orientación y consejos sobre todo, desde el análisis de los sentimientos de las redes neuronales, que pronto serán capaz de responder a algunas de las preguntas más importantes de cara a usted y a su organización. |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Aprendizaje automático (inteligencia artificial) |
| 9 (RLIN) |
14988 |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Computadores |
| 9 (RLIN) |
44782. |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Computadores |
| Subdivisión general [R] |
Inteligencia artificial |
| 9 (RLIN) |
44782. |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Python (lenguaje de programación de computadores) |
| 9 (RLIN) |
50446. |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Python (lenguaje de programación) |
| 9 (RLIN) |
50447. |
| 650 24 - ASIENTO SECUNDARIO DE MATERIA - TERMINO TEMATICO [R] |
|---|
| Término temático o nombre geográfico como elemento de entrada [NR] |
Procesamiento de datos |
| Subdivisión general [R] |
Interpretación de datos. |
| 9 (RLIN) |
45268 |
| 942 ## - ELEMENTOS DE ENTRADA AGREGADOS (KOHA) |
|---|
| Tipo de ítem principal el descrito en 300a |
Libros |
| Sistema de clasificación |
Dewey Decimal Classification |
| Clasificación |
005 |
| Parte restante de la signatura top. |
R223p 2015 |
