Calificación 4 de 5
1 calificación
"; i.id = "GoogleAnalyticsIframe"; if ("MutationObserver" in win) { new MutationObserver(function onDocumentChange() { if (d.body) { appendAnalytics(i, d.body.firstChild); this.disconnect(); } }).observe(d, { subtree: true, childList: true }); } else { appendAnalytics(i, d.getElementsByTagName('script')[0]); } })(document, window);
Ventas concretadas
Brinda buena atención
Título del libro | PYTHON MACHINE LEARNING |
---|---|
Autor | Sebastian Raschka Vahid Mirjalili |
Idioma | Español |
Editorial del libro | Alfaomega Grupo Editor Argentino |
Tapa del libro | Blanda |
Año de publicación | 2019 |
Cantidad de páginas | 618 |
---|---|
Altura | 23 cm |
Ancho | 15.5 cm |
Peso | 902 g |
Género del libro | Programación informática / desarrollo de software |
Tipo de narración | Técnica |
ISBN | 9788426727206 |
Título: Python Machine Learning
Autor: VahidMirjalili y SebastianRaschka,
Editorial: Marcombo
Temática: Programación informática / desarrollo de software
Edición: 1
Año de Edición: 2019
Número de páginas: 618
Peso: 902 gramos
Ancho: 155 milímetros
Alto: 230 milímetros
Formato: Rústica
Idioma: Español
ISBN: 9788426727206
Descripción:
El aprendizaje automático está invadiendo el mundo del software. Si quieres entender y trabajar la vanguardia del aprendizaje automático, las redes neuronales y el aprendizaje profundo, esta segunda edición del bestseller Python Machine Learning, es tu libro.
Modernizado y ampliado para incluir las tecnologías de código abierto más recientes, como scikit-learn, Keras y TensorFlow, este manual proporciona el conocimiento práctico y las técnicas necesarias para crear eficaces aplicaciones de aprendizaje automático y aprendizaje profundo en Python.
El conocimiento y la experiencia únicos de Sebastian Raschka y Vahid Mirjalili presentan los algoritmos de aprendizaje automático y aprendizaje profundo, antes de continuar con temas avanzados en análisis de datos.
Combinan los principios teóricos del aprendizaje automático con un enfoque práctico de codificación para una comprensión completa de la teoría del aprendizaje automático y la implementación con Python.
Aprenderás a:
Explorar y entender los frameworks clave para la ciencia de datos, el aprendizaje automático y el aprendizaje profundo
Formular nuevas preguntas sobre datos con modelos de aprendizaje automático y redes neuronales
Aprovechar el poder de las últimas librerías de código abierto de Python para aprendizaje automático
Dominar la implementación de redes neuronales profundas con la librería de TensorFlow
Incrustar modelos de aprendizaje automáticos en aplicacions web accesibles
Predecir resultados objetivos continuos con análisis de regresión
Descubrir patrones ocultos y estructuras en datos con agrupamientos
Analizar imágenes mediante técnicas de aprendizaje profundo
Profundizar en datos de medios sociales y textuales con el análisis de sentimientos
Tenga en cuenta que nuestros libros se imprimen bajo demanda de acuerdo a estándares de calidad consensuados con el Editor.
Calificación 4 de 5
El producto es muy bueno. Actualizado y avanzado. No es para principiantes.