Título : |
Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit - learn y TensorFlow |
Tipo de documento: |
texto impreso |
Autores: |
Sebastián Raschka, Autor ; Vahid Mirjalili, Autor ; Vahid Mirjalili, Autor ; Vahid Mirjalili, Autor ; Sonia Llena, Traductor ; Sonia Llena, Traductor ; Sonia Llena, Traductor |
Mención de edición: |
Segunda edición |
Editorial: |
Barcelona : Marcombo |
Fecha de publicación: |
2019 |
Número de páginas: |
xxii, 616 páginas |
Il.: |
ilustraciones, diagramas, tablas |
Dimensiones: |
24 cm |
ISBN/ISSN/DL: |
978-84-267-2720-6 |
Nota general: |
Titulo original en Ingles: Python machine learning. |
Idioma : |
Español (spa) Idioma original : Inglés (eng) |
Nota de contenido: |
Dar a los ordenadores el poder de aprender de los datos -- Entrenar algoritmos simples de aprendizaje automático para clasificación -- Un recorrido por ls clasificadores de aprendizaje automático con scikit - learn -- Generar buenos modelos de entrenamiento: pre procesamiento de datos -- Comprimir datos mediante la reducción de dimensionalidad -- Aprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- Combinar diferentes modelos para el aprendizaje conjunto -- Aplicar el aprendizaje automático para el análisis de sentimiento -- Incrustar un modelo de aprendizaje automático en una aplicación web -- Predicción de variables de destino continuas con análisis de regresión -- Trabajar con datos sin etiquetar: análisis de grupos -- Implementar una red neuronal artificial multicapa desde cero -- Paralización de entrenamiento de redes neuronales con tensorFlow -- Ir más lejos: la mecánica de TensorFlow -- Clasificar imágenes con redes neuronales convolucionales profundas -- Modelado de datos secuenciales mediante redes neuronales recurrentes. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=107996 |
Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit - learn y TensorFlow [texto impreso] / Sebastián Raschka, Autor ; Vahid Mirjalili, Autor ; Vahid Mirjalili, Autor ; Vahid Mirjalili, Autor ; Sonia Llena, Traductor ; Sonia Llena, Traductor ; Sonia Llena, Traductor . - Segunda edición . - Barcelona : Marcombo, 2019 . - xxii, 616 páginas : ilustraciones, diagramas, tablas ; 24 cm. ISBN : 978-84-267-2720-6 Titulo original en Ingles: Python machine learning. Idioma : Español ( spa) Idioma original : Inglés ( eng)
Nota de contenido: |
Dar a los ordenadores el poder de aprender de los datos -- Entrenar algoritmos simples de aprendizaje automático para clasificación -- Un recorrido por ls clasificadores de aprendizaje automático con scikit - learn -- Generar buenos modelos de entrenamiento: pre procesamiento de datos -- Comprimir datos mediante la reducción de dimensionalidad -- Aprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- Combinar diferentes modelos para el aprendizaje conjunto -- Aplicar el aprendizaje automático para el análisis de sentimiento -- Incrustar un modelo de aprendizaje automático en una aplicación web -- Predicción de variables de destino continuas con análisis de regresión -- Trabajar con datos sin etiquetar: análisis de grupos -- Implementar una red neuronal artificial multicapa desde cero -- Paralización de entrenamiento de redes neuronales con tensorFlow -- Ir más lejos: la mecánica de TensorFlow -- Clasificar imágenes con redes neuronales convolucionales profundas -- Modelado de datos secuenciales mediante redes neuronales recurrentes. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=107996 |
Python machine learning
Raschka, SebastiánMirjalili, Vahid ; Mirjalili, Vahid ; Mirjalili, Vahid - -
Barcelona : Marcombo - 2019
Titulo original en Ingles: Python machine learning.
Dar a los ordenadores el poder de aprender de los datos -- Entrenar algoritmos simples de aprendizaje automático para clasificación -- Un recorrido por ls clasificadores de aprendizaje automático con scikit - learn -- Generar buenos modelos de entrenamiento: pre procesamiento de datos -- Comprimir datos mediante la reducción de dimensionalidad -- Aprender las buenas prácticas para la evaluación de modelos y el ajuste de hiperparámetros -- Combinar diferentes modelos para el aprendizaje conjunto -- Aplicar el aprendizaje automático para el análisis de sentimiento -- Incrustar un modelo de aprendizaje automático en una aplicación web -- Predicción de variables de destino continuas con análisis de regresión -- Trabajar con datos sin etiquetar: análisis de grupos -- Implementar una red neuronal artificial multicapa desde cero -- Paralización de entrenamiento de redes neuronales con tensorFlow -- Ir más lejos: la mecánica de TensorFlow -- Clasificar imágenes con redes neuronales convolucionales profundas -- Modelado de datos secuenciales mediante redes neuronales recurrentes.
|
| |