Descripción
Aprende Machine Learning con Scikit Learn, Keras y TensorFlow
Resumen del libro
Esta obra es la guía de referencia para dominar el machine learning y el deep learning utilizando las herramientas más potentes del ecosistema Python. Escrita por Aurélien Géron, un experto en la materia, la tercera edición actualizada te guía desde los fundamentos hasta las arquitecturas de redes neuronales más avanzadas. Con un enfoque práctico basado en ejemplos concretos y ejercicios, el libro te permite construir sistemas inteligentes paso a paso, utilizando Scikit-Learn, Keras y TensorFlow. Es el recurso ideal para programadores que desean adquirir una comprensión intuitiva y aplicada de esta tecnología transformadora.
¿De qué trata?
El libro ofrece un recorrido completo por el machine learning, comenzando con la gestión de un proyecto completo con Scikit-Learn. A continuación, explora en profundidad modelos clásicos como máquinas de vectores soporte, árboles de decisión, random forests y métodos de ensamblaje. También aborda técnicas de aprendizaje no supervisado, como la reducción de dimensionalidad, el agrupamiento y la detección de anomalías. La segunda mitad del libro se sumerge en el deep learning, cubriendo arquitecturas de redes neuronales convolucionales, recurrentes, generativas antagónicas, autocodificadores, modelos de difusión y transformadores. Todo ello se aplica a problemas reales de visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje por refuerzo.
Temas principales
- Fundamentos de machine learning con Scikit-Learn: regresión, clasificación y pipelines completos.
- Modelos avanzados: máquinas de vectores soporte, árboles de decisión, random forests y métodos de ensamblaje.
- Aprendizaje no supervisado: clustering, reducción de dimensionalidad y detección de anomalías.
- Deep learning con TensorFlow y Keras: construcción y entrenamiento de redes neuronales.
- Arquitecturas de redes neuronales: convolucionales (CNN), recurrentes (RNN), GANs, autocodificadores, modelos de difusión y transformadores.
- Aplicaciones prácticas: visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje por refuerzo.
¿Para quién está recomendado?
Este libro está dirigido a programadores con experiencia en Python que desean iniciarse o profundizar en el machine learning y el deep learning. Es ideal tanto para profesionales que buscan aplicar estas técnicas en producción como para estudiantes y entusiastas que quieren construir una base sólida y práctica. No se requieren conocimientos previos de machine learning, pero sí una experiencia básica en programación.
Qué aporta este libro
- Una comprensión intuitiva y práctica de los conceptos clave del machine learning y el deep learning.
- Habilidades para implementar proyectos completos, desde la preparación de datos hasta el despliegue de modelos.
- Dominio de las herramientas estándar de la industria: Scikit-Learn, Keras y TensorFlow.
- Capacidad para construir y entrenar redes neuronales para tareas complejas como visión y NLP.
- Acceso a ejemplos de código y ejercicios que refuerzan el aprendizaje y facilitan la aplicación inmediata.
Ficha técnica
- Autor: GERON, AURELIEN
- Editorial: ANAYA MULTIMEDIA
- Idioma: Español
- Tema: INTELIGENCIA ARTIFICIAL, APRENDIZAJE AUTOMATICO
- Colección: TITULOS ESPECIALES
- Encuadernación: Bolsillo
- Fecha de edición: junio de 2023
- Número de páginas: 832
- Peso: 1342 g
Valoración editorial
Esta tercera edición actualizada de "Aprende Machine Learning con Scikit Learn, Keras y TensorFlow" se consolida como un manual de referencia indispensable en su campo. Su enfoque equilibrado entre teoría mínima y práctica intensiva, junto con la cobertura de las últimas arquitecturas como los transformadores y los modelos de difusión, lo convierten en una herramienta de aprendizaje excepcionalmente útil. Es una inversión sólida para cualquier profesional que busque mantenerse a la vanguardia en inteligencia artificial.