Sistemas de Aprendizaje Automático PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Sistemas de Aprendizaje Automático PDF full book. Access full book title Sistemas de Aprendizaje Automático by Emilio Soria Olivas. Download full books in PDF and EPUB format.
Author: Emilio Soria Olivas
Publisher: Ra-Ma Editorial
ISBN: 8419444987
Category : Computers
Languages : es
Pages : 183
Get Book Here
Book Description
El presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia “la era de los datos” y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finalmente, finaliza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes Long Short Term Memory (LSTM). Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro. ¿Te lo vas a perder? El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es. Los contenidos adaptados al Curso de Especialización en Inteligencia Artificial y Big Data.
Author: Emilio Soria Olivas
Publisher: Ra-Ma Editorial
ISBN: 8419444987
Category : Computers
Languages : es
Pages : 183
Get Book Here
Book Description
El presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia “la era de los datos” y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finalmente, finaliza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes Long Short Term Memory (LSTM). Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro. ¿Te lo vas a perder? El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es. Los contenidos adaptados al Curso de Especialización en Inteligencia Artificial y Big Data.
Author: Sebastian Raschka
Publisher: Marcombo
ISBN: 8426736254
Category : Computers
Languages : es
Pages : 902
Get Book Here
Book Description
Si busca un manual de referencia sobre Machine Learning y Deep Learning con PyTorch, ha llegado al libro indicado. En él se explica paso a paso cómo construir sistemas de aprendizaje automático con éxito. Mientras que en algunos libros solo se enseña a seguir instrucciones, en este descubrirá los principios para crear modelos y aplicaciones por sí mismo. Encontrará multitud de explicaciones claras, visualizaciones y ejemplos, y aprenderá en profundidad todas las técnicas esenciales de Machine Learning. Actualizado para ocuparse de Machine Learning utilizando PyTorch, este libro también presenta las últimas incorporaciones a Scikit-Learn. Además, trata varias técnicas de Machine Learning y Deep Learning para la clasificación de textos e imágenes. Con este libro, también aprenderá sobre las redes generativas antagónicas (GAN), útiles para generar nuevos datos y entrenar agentes inteligentes con aprendizaje reforzado. Por último, esta edición incluye las últimas tendencias en Machine Learning, como las introducciones a las redes neuronales de grafos y transformadores a gran escala utilizados para el procesamiento del lenguaje natural (NLP). Sin duda, tanto si es un desarrollador de Python neófito en Machine Learning como si desea profundizar en los últimos avances, este libro de PyTorch será su gran aliado en el aprendizaje automático con Python. «Estoy seguro de que este libro le resultará muy valioso, tanto por ofrecer una visión general del apasionante campo de Machine Learning, como por ser un tesoro de conocimientos prácticos. Espero que le inspire a aplicar Machine Learning para lograr un mayor beneficio, sea cual sea su problemática» Gracias a esta lectura: •Explorará marcos de trabajo, modelos y técnicas para que las máquinas «aprendan» de los datos •Empleará Scikit-Learn para Machine Learning y PyTorch para Deep Learning •Entrenará clasificadores de Machine Learning en imágenes, texto, etc. •Creará y entrenará redes neuronales, transformadores y redes neuronales gráficas •Descubrirá las mejores prácticas para evaluar y ajustar los modelos •Pronosticará los resultados de elementos continuos utilizando el análisis de regresión •Profundizará en los datos textuales y de las redes sociales mediante el análisis de sentimiento
Author: Jesús Bobadilla Sancho
Publisher: Ra-Ma Editorial
ISBN: 8499648908
Category : Computers
Languages : es
Pages : 274
Get Book Here
Book Description
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
Author: Varios autores
Publisher: Ediciones de la U
ISBN: 958792570X
Category : Computers
Languages : es
Pages : 262
Get Book Here
Book Description
El presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia "la era de los datos" y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finalmente, analiza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes. Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro.
Author: Sebastian Raschka
Publisher:
ISBN: 9788426735737
Category :
Languages : es
Pages : 0
Get Book Here
Book Description
Si busca un manual de referencia sobre Machine Learning y Deep Learning con PyTorch, ha llegado al libro indicado. En él se explica paso a paso cómo construir sistemas de aprendizaje automático con éxito.Mientras que en algunos libros solo se enseña a seguir instrucciones, en este descubrirá los principios para crear modelos y aplicaciones por sí mismo. Encontrará multitud de explicaciones claras, visualizaciones y ejemplos, y aprenderá en profundidad todas las técnicas esenciales de Machine Learning.Actualizado para ocuparse de Machine Learning utilizando PyTorch, este libro también presenta las últimas incorporaciones a Scikit-Learn. Además, trata varias técnicas de Machine Learning y Deep Learning para la clasificación de textos e imágenes. Con este libro, también aprenderá sobre las redes generativas antagónicas (GAN), útiles para generar nuevos datos y entrenar agentes inteligentes con aprendizaje reforzado.Por último, esta edición incluye las últimas tendencias en Machine Learning, como las introducciones a las redes neuronales de grafos y transformadores a gran escala utilizados para el procesamiento del lenguaje natural (NLP).Sin duda, tanto si es un desarrollador de Python neófito en Machine Learning como si desea profundizar en los últimos avances, este libro de PyTorch será su gran aliado en el aprendizaje automático con Python.
Author: Chip Huyen
Publisher: Marcombo
ISBN: 8426737099
Category : Computers
Languages : es
Pages : 384
Get Book Here
Book Description
Los sistemas de aprendizaje automático, en inglés Machine Learning, implican el uso de métodos, algoritmos y procesos complejos que constan de muchos componentes diferentes; además, dependen de datos que varían considerablemente de un caso a otro. Con este libro aprenderá un método integral para diseñar sistemas de aprendizaje automático fiables, escalables, fáciles de mantener y adaptables a los entornos dinámicos y a los requisitos empresariales. La autora Chip Huyen, cofundadora de Claypot AI, considera cada decisión de diseño en su contexto para determinar la manera como este puede ayudar a su sistema. Analiza desde cómo procesar y crear datos de formación, hasta qué atributos utilizar, con qué frecuencia volver a formar los modelos y qué elementos supervisar. En el marco iterativo de este libro se utilizan estudios de casos reales respaldados por referencias amplias que le ayudarán a alcanzar sus objetivos. Así pues, gracias a esta lectura conocerá: "La ingeniería de datos y la elección de las métricas adecuadas para resolver un problema empresarial. "La automatización del proceso de desarrollo, evaluación, instalación y actualización de los modelos. "El desarrollo de un sistema de supervisión para detectar y resolver rápidamente los problemas que pueda encontrarse con sus modelos en funcionamiento. "La arquitectura de una plataforma de aprendizaje automático que sirva para todos los casos. "El desarrollo de sistemas de aprendizaje automático responsables. Chip Huyen es cofundadora de Claypot AI, una plataforma de aprendizaje automático en tiempo real. A través de su trabajo en NVIDIA, Netflix y Snorkel AI, ha ayudado a algunas de las organizaciones más grandes del mundo a desarrollar e implementar sus sistemas de aprendizaje automático. Chip basó este libro en sus apuntes para CS 329S: Diseño de Sistemas de Aprendizaje Automático, un curso que imparte en la Universidad de Stanford. "Este es, sencillamente, el mejor libro que se puede leer sobre cómo construir, implementar y extender los modelos de aprendizaje automático en una empresa para lograr un impacto máximo". -Josh Wills Ingeniero de software en WeaveGrid y exdirector de ingeniería de datos, Slack "En un ecosistema floreciente pero caótico, esta visión de principios sobre el aprendizaje automático de principio a fin es tanto su mapa como su brújula: una lectura obligada para los profesionales dentro y fuera de los gigantes tecnológicos". -Jacopo Tagliabue Director de IA, Coveo
Author: César Pérez López
Publisher:
ISBN: 9788419034076
Category :
Languages : es
Pages : 0
Get Book Here
Book Description
El libro está dirigido tanto a alumnos que siguen un Curso de especialización en Inteligencia Artificial y Big Data como a profesionales del sector.Comienza clasificando los sistemas, herramientas, técnicas y algoritmos o modelos aplicados al Aprendizaje Automático. A continuación, se tratan las técnicas de aprendizaje supervisado, sus fases y plataformas, así como los algoritmos y modelos más importantes. Se desarrollan las técnicas de regresión con sus fases de identificación, estimación, validación (diagnosis) y predicción.Se presentan los métodos especiales de regresión como PLS, LARS, LASSO, ELASTIC NET, RANSAC, THEIL, HUBERT, KERNEL RIDGE REGRESSION (KRR), SUPPORT VECTOR REGRESSION (SVR) y STOCHASTIC GRADIENT DESCENDT (SGD) entre otros.Asimismo, se tratan las técnicas de aprendizaje supervisado enfocadas a la clasificación o segmentación como los Modelos Logit y Probit, los Modelos Lineales Generalizados, los Árboles de Decisión, los Modelos de Análisis Discriminante, los Modelos SVM (Support Vector Machine), lo modelos kNN (Vecino más Cercano) y los Modelos SLRM (Respuesta de Autoaprendizaje).Todas las técnicas citadas anteriormente se ilustran con ejemplos y se resuelven con el software de Machine Learning adecuado, incluyendo Python, R, IBM SPSS Modeler y SAS Enterprise Miner.A continuación se abordan las técnicas de aprendizaje no supervisado como la Reducción de la Dimensión mediante Análisis de Componentes Principales y Análisis Factorial. Entre las técnicas de aprendizaje no supervisado para la clasificación y segmentación se desarrolla el Análisis Clúster tanto jerárquico como no jerárquico, algoritmos de detección de anomalías y Reglas de Asociación. Para todas las técnicas se presentan ejemplos significativos que se resuelven con el software más utilizado en estos casos, como R e IBM SPSS Modeler.Finalmente, se profundiza en los Modelos de Redes Neuronales, tanto para técnicas de aprendizaje supervisado como el ajuste de modelos predictivos (Perceptrón Multicapa y Red de Base Radial) como para técnicas de análisis no supervisado como el análisis clúster (Redes de Kohonen). Se desarrollan también las Redes Neuronales Bayesianas y se introducen las técnicas de Deep Learning y las Redes Neuronales Convolucionales. Se presentan ejemplos totalmente resueltos con software visual como es el caso de IBM SPSS Modeler. Se finaliza con las técnicas de valoración y comparación de modelos.
Author: Jesús Bobadilla
Publisher: Ediciones de la U
ISBN: 9587921461
Category : Computers
Languages : es
Pages : 294
Get Book Here
Book Description
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.
Author: José Manuel Ortega Candel
Publisher: Ra-Ma Editorial
ISBN: 8419444596
Category : Language Arts & Disciplines
Languages : es
Pages : 343
Get Book Here
Book Description
El libro está dirigido aquellos lectores que estén trabajando en proyecto relacionados con big data y busquen identificar las características de una solución de Big Data, los datos asociados a estas soluciones, la infraestructura requerida, y las técnicas de procesamiento de esos datos. Entre los principales objetivos podemos destacar: Introducir los conceptos de ciencias de datos y machine learning. Introducir las principales librerías que podemos encontrar en Python para aplicar técnicas de machine learning a los datos. Dar a conocer los pasos para construir un modelo de machine learning, desde la adquisición de datos, pasando por la generación de funciones, hasta la selección de modelos. Dar a conocer los principales algoritmos para resolver problemas de machine learning. Introducir scikit-learn como herramienta para resolver problemas de machine learning. Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce. Introducir los sistemas de recomendación basados en contenidos. El libro trata de seguir un enfoque teórico-práctico con el objetivo de afianzar los conocimientos mediante la creación y ejecución de scripts desde la consola de Python. Además, complementa los contenidos con un repositorio alojado en el Material Adicional donde se pueden encontrar los ejemplos que se analizan a lo largo del libro para facilitar al lector las pruebas y asimilación de los contenidos teóricos. Desde la web del libro podrá descargar los ejemplos y ejercicios que se desarrollan en el libro lo que facilitara al lector a asimilar lo aprendido.
Author: Science-Based Language Learning Lab
Publisher: eBookIt.com
ISBN: 1456650696
Category : Computers
Languages : en
Pages : 617
Get Book Here
Book Description
Introduction to the 100 Somethings Language Learning Series Welcome to an innovative approach to language learning! This series of books is crafted to help you master a new language (Spanish) through engaging with topics that captivate your interest (Artificial Intelligence). Each book is centered around a theme–whether it's art, science, history, or another subject–and presents 100 carefully selected facts, each a gem of knowledge in both English and the target language. Here's how our unique format works: each fact is introduced in the target language where you do your best to interpret the fact. On the next page, the fact is shown in English, and then repeated in the target language where you can start making sense of any unfamiliar terms. This method is not only repetitive to aid memorization but also concise, ensuring that learning is streamlined with no excess verbiage. The second half of the book presents the content in English, then in the target language, and finally in English again, giving you the chance to translate in both directions and demonstrate true mastery of the material. The benefits of this approach are manifold: - Concise Learning: By focusing on simple, one-sentence facts, the learning process is distilled to its essence. This conciseness ensures that every word you learn is impactful and directly related to your interests, making the information easier to remember. - Reinforcement of Learning: Alternating between English and the target language with each fact helps reinforce your new vocabulary and grammatical structures naturally. It bridges the gap between the two languages, solidifying your learning through constant, practical application. - Contextual and Engaged Learning: Associating each new word with a fact about a topic you are passionate about not only makes the vocabulary stickier but also keeps your learning process dynamic and engaging. This method not only teaches you a new language but does so through the lens of your personal passions. - Dual Knowledge Acquisition: As you navigate through these 100 facts, you're not just learning a new language; you're also deepening your knowledge about a specific subject. This dual focus not only enhances the language learning experience but also enriches your understanding of your chosen topic. Designed for learners who thrive on clear, targeted information, this series promises a learning experience that is both educational and enjoyable. Whether you're a curious beginner or looking to broaden your linguistic skills, these books are tailored to make your educational journey as effective and engaging as possible. Embrace this journey of 100 facts, and let your passions fuel your progress in mastering a new language!
