Automático (Machine Learning). El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro: Regresión Clasificación Clustering Reducción de Dimensionalidad Redes Neuronales Redes Convolucionales (Convolutional Neural Networks) Enriquecimiento de datos (Data Augmentation) Generadores de Datos Aprendizaje por Transferencia (Transfer Learning) Autoencoders Visualización de capas ocultas Aprendizaje Generativo (Generative Learning) El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es
"synopsis" may belong to another edition of this title.
Seller: AG Library, Malaga, MA, Spain
Condition: New. Idioma/Language: Español. Automático (Machine Learning). El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro: Regresión Clasificación Clustering Reducción de Dimensionalidad Redes Neuronales Redes Convolucionales (Convolutional Neural Networks) Enriquecimiento de datos (Data Augmentation) Generadores de Datos Aprendizaje por Transferencia (Transfer Learning) Autoencoders Visualización de capas ocultas Aprendizaje Generativo (Generative Learning) El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en *** Nota: Los envíos a España peninsular, Baleares y Canarias se realizan a través de mensajería urgente. No aceptamos pedidos con destino a Ceuta y Melilla. Seller Inventory # 19403101
Seller: Antártica, Madrid, M, Spain
Rústica. Condition: New. Dust Jacket Condition: Nuevo. 01. LIBRO. Seller Inventory # 1278390
Seller: Juanpebooks, CABA, Argentina
Condition: New. Dust Jacket Condition: New. Enviamos a todo el mundo. 100% garant'a. Libro nuevo. Seller Inventory # Juanpebooks 075286
Quantity: Over 20 available