Geron, Aurelien / Escritor
A través de una serie de avances recientes, el aprendizaje profundo ha impulsado todo el campo del aprendizaje automático. Ahora, incluso los programadores que no saben casi nada sobre esta tecnologÃa pueden usar herramientas simples y eficientes para implementar programas capaces de aprender de los datos. Este práctico libro le muestra cómo hacerlo.
Mediante el uso de ejemplos concretos, teorÃa mÃnima y dos marcos de trabajo de Python listos para producción: Scikit-Learn y el autor de TensorFlow, Aurelien Geron, lo ayuda a obtener una comprensión intuitiva de los conceptos y herramientas para construir sistemas inteligentes. Aprenderá una variedad de técnicas, comenzando con una regresión lineal simple y progresando a redes neuronales profundas. Con ejercicios en cada capÃtulo para ayudarlo a aplicar lo que ha aprendido, todo lo que necesita es experiencia en programación para comenzar.
Explore el panorama del aprendizaje automático, en particular las redes neuronales Utilice Scikit-Learn para realizar un seguimiento de un proyecto de aprendizaje automático de ejemplo de extremo a extremo Explore varios modelos de entrenamiento, incluidas máquinas de vectores de soporte, árboles de decisión, bosques aleatorios y métodos de conjunto Utilice la biblioteca de TensorFlow para compilar y entrenar Redes neuronales Sumérjase en arquitecturas de redes neuronales, incluidas redes convolucionales, redes recurrentes y aprendizaje de refuerzo profundo Aprenda técnicas para entrenar y escalar redes neuronales profundas
