Título :	Machine learning y deep learning : usando python, scikit y keras
Tipo de documento :	texto impreso
Autores :	Bobadilla, Jesús, Autor
Editorial :	Bogotá [Colombia] : Ediciones de la U
Fecha de publicación :	2021
Número de páginas :	291 p.
Il. :	il.
ISBN/ISSN/DL :	978-958-792-145-8
Idioma :	Español (spa)
Materias :	INFORMÁTICA PROGRAMACIÓN DE COMPUTADORES REDES DE COMPUTADORES
Clasificación:	CNA7
Resumen :	El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro. Tomado de la contracubierta del libro

Machine learning y deep learning : usando python, scikit y keras [texto impreso] / Bobadilla, Jesús, Autor . - Bogotá [Colombia] : Ediciones de la U, 2021 . - 291 p. : il.
ISBN : 978-958-792-145-8
Idioma : Español (spa)

Materias :	INFORMÁTICA PROGRAMACIÓN DE COMPUTADORES REDES DE COMPUTADORES
Clasificación:	CNA7
Resumen :	El objetivo del machine learning es que los sistemas informáticos sean capaces de aprender a partir de los datos, emulando de esta manera las capacidades humanas. El Aprendizaje Profundo (Deep Learning) es el área más prometedora del machine learning. Los modernos sistemas de reconocimiento facial, conducción automática, chatbots, comportamiento de los videojuegos, etc. se llevan a cabo haciendo uso de técnicas de deep learning. En este libro se explican los conceptos más relevantes tanto de machine learning como de deep learning. Ambos bloques se pueden abordar de manera independiente y en cualquier orden. Se aportan multitud de ejemplos programados en Python y explicados desde cero, con gráficos representativos. También se hace uso de las bibliotecas Scikit y Keras. Cualquier lector con conocimientos de programación podrá entender los conceptos y los ejemplos que se exponen en el libro. Tomado de la contracubierta del libro