Torna ai risultati
Scheda bibliografica · Consultazione e accesso
Libro

Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow

Mirjalili, Vahid; Raschka, Sebastian · Marcombo · 2019

Accesso istituzionale disponibile
Lettura rapida. Controlla i dati essenziali della risorsa e accedi al contenuto con il pulsante principale. La scheda mostra solo le informazioni necessarie per identificare, citare e aprire l’opera.

Accesso alla risorsa

Apri il contenuto dall’opzione principale o scegli un’altra fonte disponibile.

Accesso principale

Accesso istituzionale disponibile

El acceso puede requerir institución, suscripción, proxy, VPN o autenticación.
Apri accesso

Riepilogo

Descripción general del contenido del recurso.

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

Come citare

Elegí el formato que necesitás y copiá la referencia al portapapeles.

APA 7

Mirjalili, V. & Raschka, S. (2019). Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow. Marcombo. https://nodovox.com/record.php?id=409941

MLA

Mirjalili, Vahid, and Sebastian Raschka. Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow. Marcombo, 2019. https://nodovox.com/record.php?id=409941.

Chicago

Mirjalili, Vahid and Sebastian Raschka. 2019. Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow. Marcombo. https://nodovox.com/record.php?id=409941.

Harvard

Mirjalili, V. and Raschka, S. 2019, Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow, Marcombo, available at: https://nodovox.com/record.php?id=409941 [Accessed 10 Aug. 2026].

Condividi e stampa

Salva la scheda, copia il link permanente o stampala in PDF.

Esporta riferimento

Esporta il record nei formati più comuni per usarlo con un gestore bibliografico.

Dettagli della risorsa

Informazioni bibliografiche utili per verificare che sia il materiale corretto.

Titolo
Python Machine Learning: aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow
Autore / collaboratori
Mirjalili, Vahid; Raschka, Sebastian
Editore
Marcombo
Anno di pubblicazione
2019
ISBN
ISBN electrónico: 9788426727725 · ISBN impreso: 9788426727206
Lingua
Español

Soggetti

Esplora risorse correlate a partire da questi soggetti.

Copiato