Descripción
SISTEMAS DE APRENDIZAJE AUTOMATICO MACHINE LEARNING
Resumen del libro
Esta obra ofrece una guía completa y estructurada sobre los fundamentos y la aplicación práctica del aprendizaje automático. Dirigida tanto a estudiantes de cursos de especialización en Inteligencia Artificial y Big Data como a profesionales del sector, el libro clasifica y explica de forma sistemática los sistemas, herramientas, técnicas y algoritmos esenciales. El lector encontrará una base sólida para comprender, implementar y evaluar modelos de Machine Learning, combinando rigor teórico con un enfoque orientado a la resolución de problemas reales.
¿De qué trata?
El libro aborda el aprendizaje automático desde sus principios más básicos hasta las técnicas más avanzadas. Comienza estableciendo una clasificación clara de los diferentes tipos de sistemas de aprendizaje, incluyendo el aprendizaje supervisado, no supervisado y por refuerzo. A continuación, profundiza en las herramientas y entornos de desarrollo más relevantes, así como en las técnicas de preprocesamiento y preparación de datos. La obra dedica una parte fundamental a la descripción detallada de los algoritmos y modelos más utilizados, explicando su funcionamiento, ventajas y limitaciones. Finalmente, se abordan aspectos prácticos como la evaluación del rendimiento de los modelos, la selección de características y la puesta en producción de sistemas de Machine Learning.
Temas principales
- Clasificación y tipos de sistemas de aprendizaje automático.
- Técnicas de preprocesamiento, limpieza y transformación de datos.
- Algoritmos de aprendizaje supervisado: regresión lineal, árboles de decisión, máquinas de vectores de soporte.
- Algoritmos de aprendizaje no supervisado: clustering, reducción de dimensionalidad.
- Evaluación y validación de modelos predictivos.
- Selección de características y optimización de hiperparámetros.
¿Para quién está recomendado?
Este libro está recomendado para estudiantes de cursos de especialización en Inteligencia Artificial y Big Data que necesiten un manual completo y didáctico. También es una referencia útil para profesionales del sector, como analistas de datos, ingenieros de software o científicos de datos, que deseen consolidar sus conocimientos teóricos y prácticos sobre Machine Learning. Su enfoque estructurado lo hace accesible tanto para quienes se inician en la materia como para aquellos que buscan una visión integral y actualizada.
Qué aporta este libro
- Una clasificación clara y ordenada de los diferentes tipos de sistemas y algoritmos de aprendizaje automático.
- Una base teórica sólida que facilita la comprensión del funcionamiento interno de los modelos.
- Un enfoque práctico orientado a la implementación y evaluación de soluciones reales.
- Herramientas y técnicas para el preprocesamiento y la preparación efectiva de datos.
- Criterios para seleccionar el algoritmo más adecuado según el problema a resolver.
Ficha técnica
- Autor: PEREZ LOPEZ; CESAR
- Editorial: Ibergarceta Publicaciones S.L.
- Idioma: Español
- Tema: PROBABILIDAD Y ESTADISTICA - INFORMATICA: CUESTIONES GENERALES - APRENDIZAJE AUTOMATICO
- Colección: INFORMATICA Y TELECOMUNICACIONES
- Encuadernación: Otros
- Fecha de edición: 2022
- Número de páginas: 544
- Dimensiones: 17.0 cm x 24.0 cm
- Peso: 911.0 gr
Valoración editorial
Se trata de un manual de referencia para quienes buscan una formación sólida y completa en Machine Learning. Su valor principal reside en la claridad con la que organiza y presenta conceptos complejos, facilitando el aprendizaje progresivo. La obra logra un equilibrio entre la teoría necesaria para entender los fundamentos y la aplicación práctica, lo que la convierte en una herramienta útil tanto para el aula como para el autoaprendizaje. Es especialmente recomendable para cursos de especialización en IA y Big Data, por su enfoque didáctico y su cobertura exhaustiva de los temas clave.