Nouveauté
Machine Learning con Python. Aprendizaje no Supervisado: Componentes Principales, Análisis Factorial, Correspondencias, Análisis Clúster, Escalamiento y Redes Neuronales. MACHINE LEARNING
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8232941758
- EAN9798232941758
- Date de parution12/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurHamza elmir
Résumé
El Machine Learning es un campo interdisciplinar que utiliza métodos, algoritmos, procesos y sistemas para extraer conocimiento y conclusiones de datos estructurados y no estructurados. Combina elementos de estadística, informática, matemáticas y técnicas analíticas para resolver problemas, hacer predicciones y generar valor a partir de los datos. Se apoya en el big data para descubrir patrones, tendencias y relaciones que puedan utilizarse para la toma de decisiones en diversas industrias.
Es un soporte importante para la Inteligencia Artificial. El Machine Leaarning utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena un modelo con datos de entrada y salida conocidos para predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de estas técnicas de aprendizaje no supervisado se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software Python.
Se cubren las siguientes técnicas: reducción de dimensión, análisis de componentes principales, análisis factorial, análisis de correspondencia simple, análisis de correspondencia múltiple, escalamiento multidimensional, redes neuronales (SOM Kohonen, etc.), reconocimiento de patrones, detección de anomalías, autocodificadores, procesamiento de imágenes y redes neuronales convolucionales (redes CNN).
Es un soporte importante para la Inteligencia Artificial. El Machine Leaarning utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena un modelo con datos de entrada y salida conocidos para predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de estas técnicas de aprendizaje no supervisado se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software Python.
Se cubren las siguientes técnicas: reducción de dimensión, análisis de componentes principales, análisis factorial, análisis de correspondencia simple, análisis de correspondencia múltiple, escalamiento multidimensional, redes neuronales (SOM Kohonen, etc.), reconocimiento de patrones, detección de anomalías, autocodificadores, procesamiento de imágenes y redes neuronales convolucionales (redes CNN).
El Machine Learning es un campo interdisciplinar que utiliza métodos, algoritmos, procesos y sistemas para extraer conocimiento y conclusiones de datos estructurados y no estructurados. Combina elementos de estadística, informática, matemáticas y técnicas analíticas para resolver problemas, hacer predicciones y generar valor a partir de los datos. Se apoya en el big data para descubrir patrones, tendencias y relaciones que puedan utilizarse para la toma de decisiones en diversas industrias.
Es un soporte importante para la Inteligencia Artificial. El Machine Leaarning utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena un modelo con datos de entrada y salida conocidos para predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de estas técnicas de aprendizaje no supervisado se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software Python.
Se cubren las siguientes técnicas: reducción de dimensión, análisis de componentes principales, análisis factorial, análisis de correspondencia simple, análisis de correspondencia múltiple, escalamiento multidimensional, redes neuronales (SOM Kohonen, etc.), reconocimiento de patrones, detección de anomalías, autocodificadores, procesamiento de imágenes y redes neuronales convolucionales (redes CNN).
Es un soporte importante para la Inteligencia Artificial. El Machine Leaarning utiliza dos tipos de técnicas: el aprendizaje supervisado, que entrena un modelo con datos de entrada y salida conocidos para predecir resultados futuros, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intrínsecas en los datos de entrada. La mayoría de estas técnicas de aprendizaje no supervisado se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software Python.
Se cubren las siguientes técnicas: reducción de dimensión, análisis de componentes principales, análisis factorial, análisis de correspondencia simple, análisis de correspondencia múltiple, escalamiento multidimensional, redes neuronales (SOM Kohonen, etc.), reconocimiento de patrones, detección de anomalías, autocodificadores, procesamiento de imágenes y redes neuronales convolucionales (redes CNN).
