Gracias a varios logros innovadores, el ‘deep learning’ ha dado un gran impulso a todo el campo del ‘machine learning’. Ahora, incluso programadores que no saben casi nada de esta tecnolog铆a pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este ‘best seller’ utiliza ejemplos concretos, una teor铆a m铆nima y ‘frameworks’ de Python listos para la producci贸n (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprensi贸n intuitiva de los conceptos y herramientas para crear sistemas inteligentes.
Con esta tercera edici贸n actualizada, el autor Aur茅lien G茅ron explora una variedad de t茅cnicas que van desde una regresi贸n lineal simple a redes neuronales profundas. Hay ejemplos de c贸digo y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo 煤nico que necesitas para empezar es experiencia en programaci贸n:
* Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de ‘machine learning’ de ejemplo de principio a fin.
* Explora varios modelos, incluyendo m谩quinas de vectores soporte, 谩rboles de decisi贸n, ‘random forests’ y m茅todos de ensamblaje.
* Aprovecha t茅cnicas de aprendizaje no supervisado, como la reducci贸n de dimensionalidad, el agrupamiento y la detecci贸n de anomal铆as.
* Sum茅rgete en arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas antag贸nicas, autocodificadores, modelos de difusi贸n y transformadores.
* Utiliza TensorFlow y Keras para crear y entrenar redes neuronales para visi贸n por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje profundo por refuerzo.
