Machine learning : guía paso a paso para implementar algoritmos de machine learning con Python / Rudolph Russell .

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.