Machine Learning con Python: Keras, PyTorch y TensorFlow
Comience con Keras, PyTorch y Tensorflow
¡Aproveche Python para crear programas inteligentes! Este libro lo equipa con técnicas de aprendizaje automático. Entrene algoritmos para aprender de los datos y resolver problemas del mundo real.
Lo Que Obtendrás de Este Libro
14 capítulos que abarcan más de 400 páginas
Más de 330 bloques explicativos de código
Más de 30 ejercicios prácticos
3 Practical "Real World" Projects
Aproveche el poder de los datos: explore el aprendizaje automático con Python
A través de explicaciones interesantes, ejercicios prácticos y aplicaciones del mundo real, obtendrá una comprensión profunda de conceptos fundamentales como:
- Aprendizaje supervisado: Explore algoritmos como la regresión lineal y los árboles de decisión que aprenden de los datos etiquetados para hacer predicciones para puntos de datos nuevos e invisibles.
- Aprendizaje sin supervisión: Descubra técnicas como la agrupación en clústeres y la reducción de dimensionalidad que descubren patrones y estructuras ocultos en los datos sin etiquetar.
- Evaluación e implementación del modelo: Aprenda a evaluar el rendimiento de sus modelos de aprendizaje automático y a implementarlos de manera efectiva en escenarios del mundo real.
-
Al final de este viaje, estarás bien equipado para no solo comprende los conceptos de aprendizaje automático, sino que también los aplica con confianza para resolver problemas del mundo real. Este libro le permite participar activamente en el apasionante mundo de la ciencia de datos y utilizar el aprendizaje automático para aprovechar el potencial de sus datos.
Domina Python para un aprendizaje automático potente
Imagine máquinas que puedan aprender y adaptarse por sí mismas. El «aprendizaje automático con Python» le proporciona la habilidades y conocimientos esenciales de Python para hacer de esto una realidad. Esta guía práctica lo equipa para domine los fundamentos del aprendizaje automático y cree aplicaciones potentes con Python.
A través de proyectos prácticos y estudios de casos del mundo real, profundizará en los conceptos básicos del aprendizaje automático:
- Creación y entrenamiento de modelos de aprendizaje automático: Aprenda a usar bibliotecas populares de Python, como scikit-learn y TensorFlow, para crear y entrenar modelos que puedan aprender de los datos.
- Ajuste y optimización de modelos: Descubra técnicas para mejorar el rendimiento de sus modelos y garantizar que produzcan resultados precisos y fiables.
- Aplicación del aprendizaje automático a problemas del mundo real: Descubra cómo se puede utilizar el aprendizaje automático en varios ámbitos, desde el reconocimiento de imágenes y voz hasta los sistemas de recomendación y el procesamiento del lenguaje natural.
En el mundo actual basado en los datos, la capacidad de extraer información significativa de los datos es crucial. El «aprendizaje automático con Python» le permite libere el poder de los datos y adéntrate en el fascinante mundo de aprendizaje automático. Esta guía completa le proporciona las habilidades y los conocimientos esenciales para aprovechar Python, un lenguaje de programación versátil y ampliamente utilizado, para crear sistemas inteligentes que aprendan de los datos.
Al final de este viaje, estarás bien equipado para cree e implemente modelos de aprendizaje automático con confianza usando Python. «Make Machines Learn» le permite convertirse en un experto en aprendizaje automático y lograr un impacto real con su experiencia en ciencia de datos.
Tabla de contenido
Chapter 1: Introduction
1.1 Introduction to Machine Learning
1.2 Role of Machine Learning in Software Engineering
1.3 Overview of Python for Machine Learning
Chapter 2: Python and Essential Libraries
2.1 Python Crash Course
2.2 NumPy for Numerical Computation
2.3 Pandas for Data Manipulation
2.4 Matplotlib and Seaborn for Data Visualization
2.5 Scikit-learn for Machine Learning
Chapter 3: Data Preprocessing
3.1 Data Cleaning
3.2 Feature Engineering
3.3 Handling Categorical Data
3.4 Data Scaling and Normalization
3.5 Train-Test Split
Chapter 4: Supervised Learning
4.1 Regression Analysis
4.2 Classification Techniques
4.3 Evaluation Metrics for Supervised Learning
4.4 Practical Exercises of Chapter 4: Supervised Learning
Chapter 5: Unsupervised Learning
5.1 Clustering Techniques
5.2 Dimensionality Reduction
5.3 Evaluation Metrics for Unsupervised Learning
5.4 Practical Exercises of Chapter 5: Unsupervised Learning
Chapter 6: Introduction to Neural Networks and Deep Learning
6.1 Perceptron and Multi-Layer Perceptron
6.2 Backpropagation and Gradient Descent
6.3 Overfitting, Underfitting, and Regularization
6.4 Practical Exercises of Chapter 6: Introduction to Neural Networks and Deep Learning
Chapter 7: Deep Learning with TensorFlow
7.1 Introduction to TensorFlow
7.2 Building and Training Neural Networks with TensorFlow
7.3 Saving and Loading Models in TensorFlow
7.4 Practical Exercises of Chapter 7: Deep Learning with TensorFlow
Chapter 8: Deep Learning with Keras
8.1 Introduction to Keras
8.2 Building and Training Neural Networks with Keras
8.3 Saving and Loading Models in Keras
8.4 Practical Exercises of Chapter 8: Deep Learning with Keras
Chapter 9: Deep Learning with PyTorch
9.1 Introduction to PyTorch
9.2 Building and Training Neural Networks with PyTorch
9.3 Saving and Loading Models in PyTorch
9.4 Practical Exercises of Chapter 9: Deep Learning with PyTorch
Chapter 10: Convolutional Neural Networks
10.1 Introduction to CNNs
10.2 Implementing CNNs with TensorFlow, Keras, and PyTorch
10.3 Practical Applications of CNNs
10.4 Practical Exercises of Chapter 10: Convolutional Neural Networks
Chapter 11: Recurrent Neural Networks
11.1 Introduction to RNNs
11.2 Implementing RNNs with TensorFlow, Keras, and PyTorch
11.3 Practical Applications of RNNs
11.4 Practical Exercise of Chapter 11: Recurrent Neural Networks
Chapter 12: Advanced Deep Learning Concepts
12.1 Autoencoders
12.2 Generative Adversarial Networks (GANs)
12.3 Practical Exercise of Chapter 12: Advanced Deep Learning Concepts
Chapter 13: Practical Machine Learning Projects
13.1 Project 1: Predicting House Prices with Regression
13.2 Project 2: Sentiment Analysis with Naive Bayes
13.3 Project 3: Image Classification with Convolutional Neural Networks
Chapter 14: Future Trends and Ethical Considerations
14.1 Reinforcement Learning
14.2 Explainable AI
14.3 Ethical Considerations in Machine Learning
14.4 Future Trends in Machine Learning for Software Engineering
Lo que dicen nuestros lectores sobre este libro
¡Explore las reseñas para comprender por qué este libro es una excelente elección! Descubra cómo otros se han beneficiado del conocimiento y las ideas que proporciona. Pruebe el emocionante contenido que le espera y compruebe si este libro es el libro perfecto para su viaje.
«Aprendizaje automático con Python e IA» es una guía fantástica si te estás iniciando en el mundo del aprendizaje automático. La IA es un tema increíblemente relevante en la actualidad y domina la mayoría de las conversaciones en varios sectores de todo el mundo. Si estás interesado en sumergirte en este mundo o repasar tu tema, ¡esta guía es para ti!
«Aprendizaje automático con Python» es un libro excelente para científicos de datos principiantes e intermedios que desean aprender los fundamentos del aprendizaje automático y su aplicación práctica. El libro cubre los conceptos teóricos del aprendizaje automático y proporciona un enfoque práctico para implementar algoritmos de aprendizaje automático mediante Python. ¡Libro bien estructurado!
Desbloquear el acceso
Es su elección, libro de tapa blanda, libro electrónico o Pase de acceso completo a toda nuestra biblioteca de programación
- Libro de tapa blanda enviado desde Amazon
- Acceso gratuito al repositorio de código
- Atención al cliente de primera calidad
- Plataforma digital de aprendizaje electrónico
- Contenido de vídeo adicional gratuito
- Rentable
- Atención al cliente de primera calidad
- Recursos de código fáciles de copiar y pegar
- Aprenda en cualquier lugar
- Todo, desde Book Access
- Acceso ilimitado a la biblioteca de libros
- 50% de descuento en libros de bolsillo
- Acceso anticipado a nuevos lanzamientos
- Contenido de vídeo exclusivo
- Recomendaciones de libros mensuales
- Actualizaciones de libros ilimitadas
- Atención al cliente VIP 24/7
- Desafíos de programación
