Aurélien Géron

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 tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este best seller utiliza ejemplos concretos, una teoria minima y frameworks de Python listos para la produccion (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprension intuitiva de los conceptos y herramientas para crear sistemas inteligentes.Con esta tercera edicion actualizada, el autor Aurelien Geron explora una variedad de tecnicas que van desde una regresion lineal simple a redes neuronales profundas. Hay ejemplos de codigo y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo unico que necesitas para empezar es experiencia en programacion:* Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de machine learning de ejemplo de principio a fin.* Explora varios modelos, incluyendo maquinas de vectores soporte, arboles de decision, random forests y metodos de ensamblaje.* Aprovecha tecnicas de aprendizaje no supervisado, como la reduccion de dimensionalida

Through a recent series of breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This bestselling book uses concrete examples, minimal theory, and production-ready Python frameworks (Scikit-Learn, Keras, and TensorFlow) to help you gain an intuitive understanding of the concepts and tools for building intelligent systems.With this updated third edition, author Aurelien Geron explores a range of techniques, starting with simple linear regression and progressing to deep neural networks. Numerous code examples and exercises throughout the book help you apply what you've learned. Programming experience is all you need to get started.Use Scikit-learn to track an example ML project end to endExplore several models, including support vector machines, decision trees, random forests, and ensemble methodsExploit unsupervised learning techniques such as dimensionality reduction, clustering, and anomaly detectionDive into neural net architectures, including convolutional nets, recurrent nets, generative adversarial networks, autoencoders, diffusion models, and transformersUse TensorFlow and Keras to build and train neural nets for computer vision, natural language processing, generative models, and deep reinforcement learning

Gracias a varios logros innovadores, eldeep learning ha dado un gran impulso a todo el campo delmachine learning. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos.La edicion actualizada de estebest seller utiliza ejemplos concretos, una teoria minima yframeworks de Python listos para la produccion para ayudarte a obtener una comprension intuitiva de los conceptos y herramientas para crear sistemas inteligentes.Aprenderas varias tecnicas que podras usar enseguida.Con ejercicios en cada capitulo para ayudarte a aplicar lo que has aprendido, lo unico que necesitas para empezar es experiencia en programacion. Todo el codigo esta disponible en GitHub. Se ha actualizado a TensorFlow 2 y la version mas reciente de Scikit-Learn.Gracias a varios logros innovadores, eldeep learning ha dado un gran impulso a todo el campo delmachine learning. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos.La edicion actualizada de estebest seller utiliza ejemplos concretos, una teoria minima yfram...