{"product_id":"9782409047282","title":"MACHINE LEARNING - IMPLEMENTAR EN PYTHON CON SCIKIT-LEARN","description":"\u003ch2\u003eMACHINE LEARNING - IMPLEMENTAR EN PYTHON CON SCIKIT-LEARN\u003c\/h2\u003e\n\u003ch3\u003eResumen del libro\u003c\/h3\u003e\n\u003cp\u003eEste libro ofrece una introducción práctica y accesible al Machine Learning, dirigida a profesionales sin formación previa como Data Scientists ni conocimientos matemáticos avanzados. La obra guía al lector a través de la metodología completa del aprendizaje automático, desde la comprensión del negocio y la preparación de datos hasta la implementación de algoritmos clave con Python y Scikit-learn. Con ejemplos reales sobre conjuntos de datos clásicos como Iris, Boston y Titanic, el lector aprenderá a clasificar, predecir y agrupar datos, adquiriendo las habilidades fundamentales para iniciarse en el análisis predictivo.\u003c\/p\u003e\n\u003ch3\u003e¿De qué trata?\u003c\/h3\u003e\n\u003cp\u003eEl libro comienza presentando los fundamentos del Aprendizaje Automático y el método CRISP, detallando cada fase del proceso: entender el negocio, entender los datos y prepararlos. A continuación, se centra en el análisis estadístico de conjuntos de datos, tanto numérico como gráfico, y en las técnicas esenciales para la preparación de datos, explicando su función y ofreciendo consejos prácticos.\u003c\/p\u003e\n\u003cp\u003ePosteriormente, dedica capítulos específicos a las principales tareas de Machine Learning: clasificación, regresión (con el caso especial de predicción), clustering y aprendizaje no supervisado. Para cada tarea, se detallan los criterios de evaluación, los conceptos subyacentes de los algoritmos principales y su implementación paso a paso usando Scikit-learn. Todos los ejemplos se ilustran con conjuntos de datos reales: Iris para clasificar flores, Boston para prever precios de viviendas y Titanic para estimar probabilidades de supervivencia. El código Python, completamente comentado, está disponible para descargar en formato Jupyter Notebook.\u003c\/p\u003e\n\u003ch3\u003eTemas principales\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eMetodología CRISP para proyectos de Machine Learning\u003c\/li\u003e\n\u003cli\u003eAnálisis estadístico y visualización de datos\u003c\/li\u003e\n\u003cli\u003eTécnicas de preparación y limpieza de datos\u003c\/li\u003e\n\u003cli\u003eAlgoritmos de clasificación y regresión\u003c\/li\u003e\n\u003cli\u003ePredicción y evaluación de modelos\u003c\/li\u003e\n\u003cli\u003eClustering y aprendizaje no supervisado\u003c\/li\u003e\n\u003cli\u003eImplementación práctica con Scikit-learn en Python\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003e¿Para quién está recomendado?\u003c\/h3\u003e\n\u003cp\u003eEste libro está dirigido a desarrolladores, analistas, estudiantes y profesionales del ámbito técnico que deseen iniciarse en el Machine Learning sin necesidad de una base matemática sólida. Es ideal para quienes buscan un enfoque práctico y aplicado, con ejemplos reales y código listo para usar, y para aquellos que quieren comprender el proceso completo de un proyecto de aprendizaje automático, desde los datos hasta la implementación de algoritmos.\u003c\/p\u003e\n\u003ch3\u003eQué aporta este libro\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eUna metodología clara y estructurada para abordar proyectos de Machine Learning desde cero.\u003c\/li\u003e\n\u003cli\u003eConocimientos prácticos para analizar, preparar y transformar datos de forma efectiva.\u003c\/li\u003e\n\u003cli\u003eImplementación real de los principales algoritmos de clasificación, regresión y clustering con Scikit-learn.\u003c\/li\u003e\n\u003cli\u003eEjemplos comentados y descargables en Jupyter Notebook que facilitan la experimentación y el aprendizaje autónomo.\u003c\/li\u003e\n\u003cli\u003eCapacidad para evaluar y comparar modelos predictivos utilizando criterios objetivos.\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eFicha técnica\u003c\/h3\u003e\n\u003cul\u003e\n\u003cli\u003eAutor: VIRGINIE MATHIVET\u003c\/li\u003e\n\u003cli\u003eEditorial: EDICIONES ENI\u003c\/li\u003e\n\u003cli\u003eIdioma: Español\u003c\/li\u003e\n\u003cli\u003eTema: INFORMATICA: CUESTIONES GENERALES\u003c\/li\u003e\n\u003cli\u003eColección: EXPERT IT\u003c\/li\u003e\n\u003cli\u003eEncuadernación: Bolsillo\u003c\/li\u003e\n\u003cli\u003eFecha de edición: noviembre de 2024\u003c\/li\u003e\n\u003cli\u003eNúmero de páginas: 338\u003c\/li\u003e\n\u003cli\u003ePeso: 965 g\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch3\u003eValoración editorial\u003c\/h3\u003e\n\u003cp\u003eEste manual destaca por su enfoque didáctico y accesible, ideal para quienes se enfrentan por primera vez al Machine Learning. La autora logra combinar teoría fundamental con práctica inmediata, utilizando ejemplos clásicos que facilitan la comprensión de conceptos complejos. La inclusión de código comentado y descargable añade un valor práctico significativo, permitiendo al lector experimentar y afianzar lo aprendido. Es una obra recomendada para cualquier profesional que desee dar sus primeros pasos en el análisis predictivo con Python de manera sólida y estructurada.\u003c\/p\u003e","brand":"EDICIONES ENI","offers":[{"title":"Default Title","offer_id":53418566680923,"sku":"9782409047282","price":38.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1018\/0650\/6331\/files\/978240904728.jpg?v=1782092003","url":"https:\/\/kalamobooks.com\/products\/9782409047282","provider":"Kalamo Books","version":"1.0","type":"link"}