Machine Learning For Dummies /
Contiene: I. Introducción al machine learning (aprendizaje automático): 1) Conociendo la verdadera historia de la IA; 2) Aprendizaje en la era del big data; 3) Una mirada al futuro. II) Preparando sus herramientas de aprendizaje: 4) Instalando una distribución de Python; 5) Más allá de la codificaci...
Sábháilte in:
| Príomhchruthaitheoir: | |
|---|---|
| Rannpháirtithe: | |
| Formáid: | LEABHAR |
| Teanga: | Béarla |
| Foilsithe / Cruthaithe: |
Hoboken, EUA :
Wiley,
2021, c2021
|
| Eagrán: | 2a edición |
| Sraith: | (For Dummies Wiley)
(Learning Made Easy) |
| Ábhair: | |
| Rochtain ar líne: | Ver documento en línea |
| Clibeanna: |
Níl clibeanna ann, Bí ar an gcéad duine le clib a chur leis an taifead seo!
|
MARC
| LEADER | 00000nam^a22000000a04500 | ||
|---|---|---|---|
| 001 | 000630969 | ||
| 005 | 20260508000000.0 | ||
| 009 | 20260713152632.239 | ||
| 020 | |a 9781119724063 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 006. 31 |b MUE | ||
| 100 | |a Mueller, John Paul |e (autor) | ||
| 245 | 1 | 0 | |a Machine Learning For Dummies / |c J.P. Mueller, L. Massaron. |
| 250 | |a 2a edición | ||
| 264 | 4 | |a Hoboken, EUA : |b Wiley, |c 2021, c2021 | |
| 264 | 2 | |a Hoboken, EUA : |b Wiley [distribución], |c 2025 | |
| 300 | |a 1 libro electrónico en línea (444 p.) | ||
| 300 | |a 1 recurso en línea | ||
| 336 | |a datos para computadora |b cod |2 rdacontenido | ||
| 337 | |a computadora |b c |2 rdamedio | ||
| 338 | |a recurso en línea |b cr |2 rdasoporte | ||
| 440 | 1 | |a (For Dummies Wiley) | |
| 440 | 1 | |a (Learning Made Easy) | |
| 506 | 0 | |a Licencias ilimitadas | |
| 520 | |a Contiene: I. Introducción al machine learning (aprendizaje automático): 1) Conociendo la verdadera historia de la IA; 2) Aprendizaje en la era del big data; 3) Una mirada al futuro. II) Preparando sus herramientas de aprendizaje: 4) Instalando una distribución de Python; 5) Más allá de la codificación básica en Python; 6) Trabajando con Google Colab. III) Comenzando con los fundamentos matemáticos: 7) Desmitificando las matemáticas detrás del aprendizaje automático; 8) Descendiendo el gradiente; 9) Validando el aprendizaje automático; 10) Comenzando con aprendices simples. IV. Aprendiendo de datos inteligentes y grandes: 11) Preprocesamiento de datos; 12) Aprovechando la similitud; 13) Trabajando con modelos lineales de la manera fácil; 14) Abordando la complejidad con redes neuronales; 15) Dando un paso más allá del uso de máquinas de vectores de soporte; 16) Recurriendo a conjuntos de aprendices. V. Aplicando el aprendizaje a problemas reales: 17) Clasificando imágenes; 18) Puntuando opiniones y sentimientos; 19) Recomendando productos y películas. VI) Las partes de Tens: 20) Diez maneras de mejorar sus modelos de aprendizaje automático; 21) Diez pautas para el uso ético de datos; 22) Diez paquetes de aprendizaje automático para dominar. | ||
| 521 | |a Wiley 2026 EEnlace Departamento de Electrónica, Sistemas e Informática | ||
| 649 | |a XX | ||
| 650 | |a Procesamiento de Imágenes | ||
| 650 | |a Redes Neurales | ||
| 650 | |a Aprendizaje Automático (Inteligencia Artificial) - |x Tema Principal | ||
| 650 | |a Inteligencia Artificial - |x Aspectos Eticos | ||
| 650 | |a Inteligencia Artificial | ||
| 650 | |a Análisis de Datos | ||
| 650 | |a Proceso de Datos | ||
| 650 | |a Big Data | ||
| 650 | |a Bases de Datos | ||
| 650 | |a Lenguajes de Programación | ||
| 650 | |a Programación (Software) | ||
| 650 | |a Ingeniería Computacional | ||
| 700 | |a Massaron, Luca |e (autor) | ||
| 856 | 4 | 0 | |u https://ezproxy.iteso.mx/login?qurl=https%3A%2F%2Fieeexplore.ieee.org%2Fservlet%2Fopac%3Fbknumber%3D10950142 |y Ver documento en línea |
| 910 | |a Fondo General | ||
| 920 | |a Electrónicos - Libros en Línea | ||
| 930 | |a Plataforma Digital | ||
| 905 | |a 205 | ||
| 901 | |a 630969-1 |b IT2 |c EBO |i C |u 20260508 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000630969 | ||