Descripción
Aprendizaje Automático Práctico con Scikit-Learn, Keras y TensorFlow, 3ª Edición, es un libro completo diseñado para equipar a los programadores con el conocimiento y las herramientas para implementar sistemas de aprendizaje automático y aprendizaje profundo. A través de una serie de avances recientes, el aprendizaje profundo ha avanzado significativamente el campo, haciéndolo accesible para aquellos con conocimiento previo limitado de la tecnología. Este libro cierra esa brecha centrándose en la aplicación práctica y la comprensión intuitiva.
El núcleo del libro gira en torno al uso de frameworks de Python listos para producción: Scikit-Learn para tareas de aprendizaje automático tradicionales y Keras y TensorFlow para aprendizaje profundo. Guía a los lectores a través de la construcción de sistemas inteligentes comenzando con conceptos fundamentales como la regresión lineal y avanzando progresivamente hacia redes neuronales profundas complejas. El enfoque enfatiza ejemplos concretos y teoría mínima, asegurando que los lectores puedan adquirir rápidamente habilidades prácticas.
La tercera edición actualizada explora una amplia gama de técnicas. Los lectores aprenderán a seguir un proyecto de ML de ejemplo de principio a fin utilizando Scikit-learn, cubriendo varios modelos como máquinas de vectores de soporte, árboles de decisión, bosques aleatorios y métodos de conjunto. Las técnicas de aprendizaje no supervisado, incluida la reducción de dimensionalidad, el clustering y la detección de anomalías, también se exploran a fondo. Para el aprendizaje profundo, el libro profundiza en arquitecturas de redes neuronales como redes convolucionales, redes recurrentes, redes generativas adversarias, autoencoders, modelos de difusión y transformers.
Además, el libro proporciona una guía extensa sobre el uso de TensorFlow y Keras para construir y entrenar redes neuronales para diversas aplicaciones, incluyendo visión por computadora, procesamiento de lenguaje natural, modelos generativos y aprendizaje por refuerzo profundo. Numerosos ejemplos de código y ejercicios se integran a lo largo del texto para reforzar el aprendizaje y fomentar la experimentación práctica. El único requisito previo es la experiencia en programación, lo que lo convierte en un recurso ideal para desarrolladores que buscan ingresar al campo de la IA y el aprendizaje automático.
Detalles del libro
Guía práctica de aprendizaje automático y aprendizaje profundo
Utiliza Scikit-Learn para tareas de ML tradicionales
Emplea Keras y TensorFlow para aprendizaje profundo
Cubre técnicas desde la regresión lineal hasta redes neuronales profundas
Se enfoca en ejemplos concretos y teoría mínima
Incluye numerosos ejemplos de código y ejercicios
Explora varios modelos de ML (SVM, árboles de decisión, bosques aleatorios, ensembles)
Cubre aprendizaje no supervisado (reducción de dimensionalidad, clustering, detección de anomalías)
Detalla arquitecturas de redes neuronales (CNN, RNN, GAN, autoencoders, modelos de difusión, transformers)
Aplicaciones en visión por computadora, PNL, modelos generativos y aprendizaje por refuerzo profundo
Tercera edición actualizada con prácticas actuales
Para quién es este libro
- Construir Sistemas Inteligentes
- Tareas de Visión por Computadora
- Procesamiento de Lenguaje Natural
- Modelos Generativos
- Aprendizaje por Refuerzo Profundo
- Análisis de Datos y Predicción
- Detección de Anomalías
