Sistema de Bibliotecas

El machine learning y la inteligencia artificial / Sebastián Raschka / Marcombo Bogotá (2024)

Público ISBD Vista personalizada Título : El machine learning y la inteligencia artificial : 30 preguntas y respuestas sobre el aprendizaje automático y la IA Tipo de documento: texto impreso Autores: Sebastián Raschka, Traductor Mención de edición: Primera ed. Editorial: Marcombo Bogotá Fecha de publicación: 2024 Número de páginas: xxvii, 246 päginas Il.: gráficos, ilustraciones, tablas Dimensiones: 24 cm. ISBN/ISSN/DL: 978-958-778-987-4 Nota general: incluye epilogo Idioma : Francés (fre) Idioma original : Español (spa) Clasificación: 006.31 Aprendizaje de la máquina Nota de contenido: Incrustaciones, espacio latente y representaciones -- Aprendizaje auto supervisado -- Aprendizaje con pocos golpes -- La hipótesis del boleto de lotería -- Reducción del sobreajuste con datos -- Reducción del sobreajuste con modificaciones del modelo -- Paradigmas de la formación multi-gpu -- El éxito de los transformadores -- Modelos de la generativa -- Fuentes de aleatoriedad -- Calculo del numero de parámetros -- Capas convoluciones y totalmente conectadas -- conjuntos de formación grandes para transformadores de visión -- La hipótesis distribucional -- Aumento de datos para texto -- Auto atención -- Transformadores con formación previa -- Evaluación de modelos de lenguaje grandes generativos -- Formación sin estado y con estado -- IA centrada en los datos -- Aceleración de la inferencia -- Cambios en la distribución de los datos -- Regresión de poisson y ordinal -- Intervalos de confianza -- Intervalos de confianza y predicciones conformes -- Métricas adecuadas -- La k en la validación cruzada de k formación y los de prueba -- Datos etiquetados limitados. Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=120212 El machine learning y la inteligencia artificial : 30 preguntas y respuestas sobre el aprendizaje automático y la IA [texto impreso] / Sebastián Raschka, Traductor  . -  Primera ed. . - Marcombo Bogotá, 2024 . - xxvii, 246 päginas : gráficos, ilustraciones, tablas ; 24 cm. ISBN : 978-958-778-987-4 incluye epilogo Idioma : Francés (fre) Idioma original : Español (spa) Clasificación: 006.31 Aprendizaje de la máquina Nota de contenido: Incrustaciones, espacio latente y representaciones -- Aprendizaje auto supervisado -- Aprendizaje con pocos golpes -- La hipótesis del boleto de lotería -- Reducción del sobreajuste con datos -- Reducción del sobreajuste con modificaciones del modelo -- Paradigmas de la formación multi-gpu -- El éxito de los transformadores -- Modelos de la generativa -- Fuentes de aleatoriedad -- Calculo del numero de parámetros -- Capas convoluciones y totalmente conectadas -- conjuntos de formación grandes para transformadores de visión -- La hipótesis distribucional -- Aumento de datos para texto -- Auto atención -- Transformadores con formación previa -- Evaluación de modelos de lenguaje grandes generativos -- Formación sin estado y con estado -- IA centrada en los datos -- Aceleración de la inferencia -- Cambios en la distribución de los datos -- Regresión de poisson y ordinal -- Intervalos de confianza -- Intervalos de confianza y predicciones conformes -- Métricas adecuadas -- La k en la validación cruzada de k formación y los de prueba -- Datos etiquetados limitados. Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=120212 El machine learning y la inteligencia artificial Raschka, Sebastián - [S.l.] : Marcombo Bogotá - 2024 incluye epilogo Incrustaciones, espacio latente y representaciones -- Aprendizaje auto supervisado -- Aprendizaje con pocos golpes -- La hipótesis del boleto de lotería -- Reducción del sobreajuste con datos -- Reducción del sobreajuste con modificaciones del modelo -- Paradigmas de la formación multi-gpu -- El éxito de los transformadores -- Modelos de la generativa -- Fuentes de aleatoriedad -- Calculo del numero de parámetros -- Capas convoluciones y totalmente conectadas -- conjuntos de formación grandes para transformadores de visión -- La hipótesis distribucional -- Aumento de datos para texto -- Auto atención -- Transformadores con formación previa -- Evaluación de modelos de lenguaje grandes generativos -- Formación sin estado y con estado -- IA centrada en los datos -- Aceleración de la inferencia -- Cambios en la distribución de los datos -- Regresión de poisson y ordinal -- Intervalos de confianza -- Intervalos de confianza y predicciones conformes -- Métricas adecuadas -- La k en la validación cruzada de k formación y los de prueba -- Datos etiquetados limitados.

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
23-3237-01	006.31 R 26	Libros	Bib. Esp. Ing Sistemas	Estanteria (Libros)	Disponible

Machine learning con pytorch y scikit learn / Sebastián Raschka / Barcelona : Marcombo (2023)

Público ISBD Vista personalizada Título : Machine learning con pytorch y scikit learn : como desarrollar modelos de machine learning y deep learning con python Tipo de documento: texto impreso Autores: Sebastián Raschka, Autor ; Liu, Yuxi, Autor Mención de edición: Primera ed. Editorial: Barcelona : Marcombo Fecha de publicación: 2023 Número de páginas: 771 Il.: Ilustraciones, graficos, tablas Dimensiones: 28 cm ISBN/ISSN/DL: 978-84-267-3573-7 Idioma : Español (spa) Clasificación: 006.31 Aprendizaje de la máquina Nota de contenido: Dotar a los ordenadores de la capacidad de aprender de los datos -- Entrenamiento de algoritmos sencillos de aprendizaje automático para tareas de clasificación -- Un recorrido por los clasificadores de aprendizaje automático con sciki learn -- Elaboración de conjuntos de daos de entrenamiento adecuados: preprocesamiento -- Comprensión de datos mediante la reducción de la dimensionalidad no supervisada mediante el análisis de componentes principales -- Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparàmetros -- Combinación de diferentes modelos para el aprendizaje del conjunto -- Aplicación del aprendizaje automático al análisis de opiniones -- Pronostico de variables objetivo continuas con análisis de regresión -- El trabajo con datos no etiquetados: Análisis de clustering -- Implementación de una red neuronal artificial multicapa desde cero -- Paralelización de redes neuronales con Pytorch -- Profundización: la mecánica de Pytorch -- Clasificación de imágenes con redes neuronales convoluciones profundas -- Modelo de datos secuenciales mediante redes neuronales recurrentes -- Transformadores: mejora de procesamiento del lenguaje natural con mecanismo de atención -- Redes generativas antagónicas con las que sintetizar nuevos datos -- Redes neuronales de grafos para captar las dependencias -- aprendizaje reforzado para la toma de decisiones en entornos complejos. Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=120441 Machine learning con pytorch y scikit learn : como desarrollar modelos de machine learning y deep learning con python [texto impreso] / Sebastián Raschka, Autor ; Liu, Yuxi, Autor  . -  Primera ed. . - Barcelona : Marcombo, 2023 . - 771 : Ilustraciones, graficos, tablas ; 28 cm. ISBN : 978-84-267-3573-7 Idioma : Español (spa) Clasificación: 006.31 Aprendizaje de la máquina Nota de contenido: Dotar a los ordenadores de la capacidad de aprender de los datos -- Entrenamiento de algoritmos sencillos de aprendizaje automático para tareas de clasificación -- Un recorrido por los clasificadores de aprendizaje automático con sciki learn -- Elaboración de conjuntos de daos de entrenamiento adecuados: preprocesamiento -- Comprensión de datos mediante la reducción de la dimensionalidad no supervisada mediante el análisis de componentes principales -- Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparàmetros -- Combinación de diferentes modelos para el aprendizaje del conjunto -- Aplicación del aprendizaje automático al análisis de opiniones -- Pronostico de variables objetivo continuas con análisis de regresión -- El trabajo con datos no etiquetados: Análisis de clustering -- Implementación de una red neuronal artificial multicapa desde cero -- Paralelización de redes neuronales con Pytorch -- Profundización: la mecánica de Pytorch -- Clasificación de imágenes con redes neuronales convoluciones profundas -- Modelo de datos secuenciales mediante redes neuronales recurrentes -- Transformadores: mejora de procesamiento del lenguaje natural con mecanismo de atención -- Redes generativas antagónicas con las que sintetizar nuevos datos -- Redes neuronales de grafos para captar las dependencias -- aprendizaje reforzado para la toma de decisiones en entornos complejos. Link: https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=120441 Machine learning con pytorch y scikit learn Raschka, SebastiánLiu, Yuxi - - Barcelona : Marcombo - 2023 Dotar a los ordenadores de la capacidad de aprender de los datos -- Entrenamiento de algoritmos sencillos de aprendizaje automático para tareas de clasificación -- Un recorrido por los clasificadores de aprendizaje automático con sciki learn -- Elaboración de conjuntos de daos de entrenamiento adecuados: preprocesamiento -- Comprensión de datos mediante la reducción de la dimensionalidad no supervisada mediante el análisis de componentes principales -- Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparàmetros -- Combinación de diferentes modelos para el aprendizaje del conjunto -- Aplicación del aprendizaje automático al análisis de opiniones -- Pronostico de variables objetivo continuas con análisis de regresión -- El trabajo con datos no etiquetados: Análisis de clustering -- Implementación de una red neuronal artificial multicapa desde cero -- Paralelización de redes neuronales con Pytorch -- Profundización: la mecánica de Pytorch -- Clasificación de imágenes con redes neuronales convoluciones profundas -- Modelo de datos secuenciales mediante redes neuronales recurrentes -- Transformadores: mejora de procesamiento del lenguaje natural con mecanismo de atención -- Redes generativas antagónicas con las que sintetizar nuevos datos -- Redes neuronales de grafos para captar las dependencias -- aprendizaje reforzado para la toma de decisiones en entornos complejos.

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
23-3298-01	006.31 R 26	Libros	Bib. Esp. Ing Sistemas	Estanteria (Libros)	Disponible

Python machine learning / Sebastián Raschka / Barcelona : Marcombo (2019)

Público ISBD Vista personalizada 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.

Reserva

Reservar este documento

Ejemplares (1)

Código de barras	Signatura	Tipo de medio	Ubicación	Sección	Estado
23-2836-01	005.133 R26	Libros	Bib. Esp. Ing Sistemas	Estanteria (Libros)	Disponible

---

1 (1 - 3 / 3)