Machine learning : guía paso a paso para implementar algoritmos de machine learning con Python / Rudolph Russell .
Material type: TextLanguage: English Publisher: [Estados Unidos] : [s.n.], 2018Description: 107 páginas : gráficas ; 24 cmContent type: texto Media type: sin mediación Carrier type: volumenISBN: 9781720933687Subject(s): Python (lenguaje de programación de computadores) -- Enseñanza | Aprendizaje automático (Inteligencia artificial) -- Enseñanza -- Guía | Procesamiento de datos -- Interpretación de datos | Simulación por computadores | Programación funcional (Computadores)DDC classification: 005.13Item type | Current library | Collection | Call number | Copy number | Status | Date due | Barcode | Item holds |
---|---|---|---|---|---|---|---|---|
Libros |
Biblioteca CESA
Diagonal 34 A No. 5 A - 23 Casa Incolda PBX: 339 53 00 serviciosbiblioteca@cesa.edu.co |
General | 005.13 / R961m 2018 (Browse shelf(Opens below)) | Ej.1 | Available | 7101028336 |
Browsing Biblioteca CESA shelves, Shelving location: Piso 2, Collection: General Close shelf browser (Hides shelf browser)
005.13 / N576i 2017 Introduction to Python programming / by Andrew NG. | 005.13 / P944p 2015 Python fácil / | 005.13 / R223p 2019 Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow / | 005.13 / R961m 2018 Machine learning : guía paso a paso para implementar algoritmos de machine learning con Python / | 005.13 / SE497p 2016 Python for everybody / Charles R. Severance ; editorial support Elliot Hauser, Sue Blumenberg. | 005.13 / T944p 2018 Python programming : the ultimate expert guide to learn python step by step / | 005.13 / Z94p 2021 Python for Excel : Felix Zumstein. |
Capítulo 1. Introducción al machine learning ; Teoría ; ¿Qué es machine learning? ; ¿Por qué machine learning? ; ¿Cuándo debemos usar machine learning? ; Tipos de sistemas de machine learning ; Machine learning supervisado y sin supervisión ; Machine learning supervisado ; Los algoritmos supervisados más importantes ; Machine learning no supervisado ; Los más importantes algoritmos del machine learning no supervisado ; Machine learning de refuerzo ; Machine learning por lote ; Machine learning en línea ; Machine learning por ejemplos ; Machine learning por modelo ; Insuficiente cantidad o malos datos de capacitación ; Capítulo 2. Clasificación ; Instalación ; El MNIST ; Matriz de confusión ; Compensación de exhaistividad (Recall) ; ROC ; Clasificación de clase múltiple ; Capacitando un clasificador del bosque aleatorio ; Análisis de error ; Clasificaciones de etiquetas múltiples ; Clasificación de salidas múltiples ; Capítulo 3. Cómo capacitar un modelo ; Capítulo 4. Combinaciones de diferentes modelos .
Este libro es para cualquiera que desee aprender a desarrollar sistemas de Machine Learning. Cubriremos los conceptos más importantes sobre algoritmos de Machine Learning (tanto de forma teórica como práctica) e implementaremos varios algoritmos de Machine Learning utilizando la biblioteca Scikit-learn en el lenguaje de programación Python.
There are no comments on this title.