Machine Learning con Python. Aprendizaje Supervisado
En oferta
$8.99
$8.99
Este libro se enfoca en proyectos de Machine Learning con el lenguaje de programación de Python. Está escrito para explicar cada uno de los pasos para desarrollar un proyecto de Machine Learning con algoritmos de clasificación y regresión. Se encuentra dividido de la siguiente forma:
• Aprenda cómo las subtareas de un proyecto de Machine Learning seleccione una Python y la mejor forma de trabajar a través de cada tarea.
• Finalmente, sé un todo el conocimiento explicado para desarrollar un problema de clasificación y otro de regresión.
En los primeros capítulos se aprenderá a cómo completar las subtareas específicas de un proyecto de Machine Learning utilizando Python. Una vez que se aprenda a cómo completar una tarea utilizando la plataforma y obtener un resultado de manera confiable se podrá utilizar una y otra vez en proyecto tras proyecto.
Un proyecto de Machine Learning, se puede dividir en 4 tareas:
6
• Definir el problema: investigar y caracterizar el problema para comprender mejor los objetivos del proyecto.
• Analizar los datos: usar estadísticas descriptivas y visualizarlas para comprender mejor los datos que se tiene disponibles.
• Preparar los datos: utilizar las transformaciones de datos para exponer mejor la estructura del problema de predicción a los algoritmos de Machine Learning.
• Evaluar los algoritmos: diseñar pruebas para evaluar una serie de algoritmos
estándar en los datos y seleccionar los mejores para investigar más a fondo.
En la última parte del libro, unirá todo lo aprendido anteriormente, para el desarrollo de un proyecto, uno con algoritmos de clasificación y otro con algoritmos de regresión.
Cada una de las lecciones están específicamente para leer el principio a fin en orden, y mostrar exactamente cómo completar cada tarea en un proyecto de Machine Learning. Por supuesto, se puede dedicar a capítulos específicos, posteriormente, para refrescar los conocimientos. Los capítulos están estructurados para demostrar las librerías y funciones y mostrar técnicas específicas para una tarea de Machine Learning.
Cada capítulo esta diseñado para completar en menos de 30 minutos (sensibilidad de su nivel de habilidad y entusiasmo). Es posible trabajar con todo el libro en un fin de semana. También funciona, si desea, sumergirse en capítulos específicos y utilizar el libro como referencia.
Este libro es una extensión del blog y el canal de Youtube, que contiene información complementaria a la publicada por esas vías.
Con este libro podrás aprender todo lo relacionado a implementar un proyecto de Machine Learning, desde las librerías a utilizar como las instrucciones más importantes para implementar los algoritmos y evaluar el modelo final.
Encontrarás dos proyectos, uno para algoritmos de clasificación y otro para algoritmos de regresión
• Aprenda cómo las subtareas de un proyecto de Machine Learning seleccione una Python y la mejor forma de trabajar a través de cada tarea.
• Finalmente, sé un todo el conocimiento explicado para desarrollar un problema de clasificación y otro de regresión.
En los primeros capítulos se aprenderá a cómo completar las subtareas específicas de un proyecto de Machine Learning utilizando Python. Una vez que se aprenda a cómo completar una tarea utilizando la plataforma y obtener un resultado de manera confiable se podrá utilizar una y otra vez en proyecto tras proyecto.
Un proyecto de Machine Learning, se puede dividir en 4 tareas:
6
• Definir el problema: investigar y caracterizar el problema para comprender mejor los objetivos del proyecto.
• Analizar los datos: usar estadísticas descriptivas y visualizarlas para comprender mejor los datos que se tiene disponibles.
• Preparar los datos: utilizar las transformaciones de datos para exponer mejor la estructura del problema de predicción a los algoritmos de Machine Learning.
• Evaluar los algoritmos: diseñar pruebas para evaluar una serie de algoritmos
estándar en los datos y seleccionar los mejores para investigar más a fondo.
En la última parte del libro, unirá todo lo aprendido anteriormente, para el desarrollo de un proyecto, uno con algoritmos de clasificación y otro con algoritmos de regresión.
Cada una de las lecciones están específicamente para leer el principio a fin en orden, y mostrar exactamente cómo completar cada tarea en un proyecto de Machine Learning. Por supuesto, se puede dedicar a capítulos específicos, posteriormente, para refrescar los conocimientos. Los capítulos están estructurados para demostrar las librerías y funciones y mostrar técnicas específicas para una tarea de Machine Learning.
Cada capítulo esta diseñado para completar en menos de 30 minutos (sensibilidad de su nivel de habilidad y entusiasmo). Es posible trabajar con todo el libro en un fin de semana. También funciona, si desea, sumergirse en capítulos específicos y utilizar el libro como referencia.
Este libro es una extensión del blog y el canal de Youtube, que contiene información complementaria a la publicada por esas vías.
Con este libro podrás aprender todo lo relacionado a implementar un proyecto de Machine Learning, desde las librerías a utilizar como las instrucciones más importantes para implementar los algoritmos y evaluar el modelo final.
Encontrarás dos proyectos, uno para algoritmos de clasificación y otro para algoritmos de regresión