En los últimos años, los métodos de Machine Learning (en castellano, aprendizaje automático), con su capacidad para dar sentido a grandes cantidades de datos y automatizar decisiones, han encontrado amplias aplicaciones en la sanidad, la robótica, la biología, la física, los productos de consumo, los servicios de Internet y otros sectores.Los saltos de gigante en la ciencia suelen provenir de una combinación de ideas poderosas y grandes herramientas. El aprendizaje automático no es una excepción. El éxito de los métodos de aprendizaje basados en datos se debe a las ingeniosas ideas de miles de investigadores con talento a lo largo de los 60 años de historia en este campo. Pero su reciente popularidad también se debe a la evolución de las soluciones de hardware y software que los hacen escalables y accesibles. El ecosistema de excelentes librerías para la computación numérica, el análisis de datos y el aprendizaje automático creadas en torno a Python, como NumPy y Scikit-learn, ha conseguido una amplia acogida en la investigación y la industria. Esto ha contribuido en gran medida a que Python sea el lenguaje de programación más popular. RTomado de https://rebrand.ly/aj2fct1

Tapa blanda

Alphaeditorial - Marcombo

Machine learning con pytorch y scikit-learn. Desarrollo de modelos machine learning y deep learning con python

Hay cientos de textos introductorios sobre el aprendizaje automático. Los hay en una gran variedad de estilos y enfoques; desde perspectivas teóricas para estudiantes de posgrado hasta puntos de vista empresariales para directivos. Estos textos son recursos inestimables para las personas que dan sus primeros pasos en este campo y lo seguirán siendo durante décadas.Sin embargo, el camino hacia la pericia no consiste únicamente en el inicio. También abarca los desvíos intrincados, las subidas empinadas y los matices que no son evidentes inicialmente. Dicho de otro modo, después de estudiar lo básico, los alumnos se preguntan: «¿Y ahora qué?». Es aquí, en el reino más allá de lo básico, que este libro encuentra un propósito.

Ediciones Marcombo S.a.

El machine learning y la inteligencia artificial

El físico Richard P. Feynman afirmó: «No comprendo lo que no puedo crear». Inspirado en este principio, Sebastian Raschka ofrece en este libro una guía práctica y detallada para construir un modelo de lenguaje de gran tamaño ejecutable incluso en un portátil. Este libro analiza cada etapa del proceso, desde la planificación y codificación del modelo hasta su entrenamiento y ajuste fino.A través de un enfoque práctico y profundamente satisfactorio, explorarás los fundamentos de la inteligencia artificial generativa. Sin recurrir a bibliotecas de modelos de lenguaje existentes, programarás un modelo base desde cero, lo convertirás en un sistema de clasificación de texto y, finalmente, crearas un chatbot capaz de seguir instrucciones en conversaciones naturales. Lo comprenderás a fondo porque serás tú quien lo construya.Con este libro aprenderás a:* Planificar y codificar un modelo de lenguaje similar a GPT-2.* Cargar y utilizar pesos preentrenados. * Diseñar un flujo completo de entrenamiento.* Ajustar un modelo de lenguaje para clasificar textos.* Desarrollar modelos que puedan responder a instrucciones humanas.Dirigido a lectores con conocimientos intermedios de Python y nociones básicas de 'machine learning' o ML (aprendizaje automático), este libro te permitirá crear y ejecutar un modelo de lenguaje de gran tamaño en un portátil moderno, con la opción de aprovechar la aceleración por GPU.

Español

Anaya Multimedia

Ediciones Anaya Multimedia

Construccion de grandes modelos de lenguaje desde cero

España

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.

Marcombo

Marcombo Pa

Python machine learning

Si está listo para aventurarse más allá de los conceptos introductorios e indagar en el aprendizaje automático, en el aprendizaje profundo y en la inteligencia artificial (IA), el formato de preguntas y respuestas que presenta el libro El Machine Learning y la IA le facilitará mucho las cosas. Nacido de las cuestiones que a menudo se plantea el autor, Sebastián Raschka, este libro muestra un método directo y sin rodeos para acercarle a temas avanzados, que presenta de forma rápida y accesible. Cada capítulo es breve y autónomo, y aborda una cuestión fundamental de la IA, desvelándola con explicaciones claras, diagramas y ejercicios prácticos. En esta lectura encontrará: CAPÍTULOS CONCISOS: Las preguntas clave de la IA se responden de forma sencilla y las ideas complejas se desglosan en piezas fáciles de digerir. GAMA AMPLIA DE TEMAS: Raschka cubre temas que van desde la arquitectura de las redes neuronales y la evaluación de los modelos hasta la visión informática y el procesamiento del lenguaje natural. USOS PRÁCTICOS: Conocerá técnicas para mejorar el rendimiento de los modelos, afinar modelos grandes y mucho más. También aprenderá a: ' Gestionar las distintas fuentes de aleatoriedad en la formación de redes neuronales ' Diferenciar entre arquitecturas de codificador y decodificador en modelos de lenguaje grandes ' Reducir el sobreajuste con modificaciones de datos y modelos ' Construir intervalos de confianza para clasificadores y optimizar los modelos con datos etiquetados limitados ' Elegir entre paradigmas distintos de formación multi-GPU y tipos diferentes de modelos de IA generativa ' Comprender las métricas de rendimiento para el procesamiento del lenguaje natural ' Dar sentido a los sesgos inductivos en los transformadores de visión Si busca el recurso perfecto para mejorar su comprensión del aprendizaje automático, El Machine Learning y la IA le ayudará a avanzar fácilmente en este camino. ACERCA DEL AUTOR Sebastián Raschka, PhD, es un investigador de aprendizaje automático y educador en inteligencia artificial de Lightning AI, entusiasta por hacer que la inteligencia artificial sea más accesible. El Dr. Raschka, exprofesor asistente de estadística en la Universidad de Wisconsin-Madison, donde se especializó en investigación del aprendizaje automático, es el autor de los libros Python Machine Learning y Machine Learning con PyTorch y Scikit-Learn, ambos publicados en español en Marcombo. Encontrará más información sobre sus proyectos en: https://sebastianraschka.com.

Machine Learning con PyTorch y Scikit-Learn Si busca un manual de referencia sobre Machine Learning y Deep Learning con PyTorch, ha llegado al libro indicado. En él se explica paso a paso cómo construir sistemas de aprendizaje automático con éxito. Mientras que en algunos libros solo se enseña a seguir instrucciones, en este descubrirá los principios para crear modelos y aplicaciones por sí mismo. Encontrará multitud de explicaciones claras, visualizaciones y ejemplos, y aprenderá en profundidad todas las técnicas esenciales de Machine Learning. Actualizado para ocuparse de Machine Learning utilizando PyTorch, este libro también presenta las últimas incorporaciones a Scikit-Learn. Además, trata varias técnicas de Machine Learning y Deep Learning para la clasificación de textos e imágenes. Con este libro, también aprenderá sobre las redes generativas antagónicas (GAN), útiles para generar nuevos datos y entrenar agentes inteligentes con aprendizaje reforzado. Por último, esta edición incluye las últimas tendencias en Machine Learning, como las introducciones a las redes neuronales de grafos y transformadores a gran escala utilizados para el procesamiento del lenguaje natural (NLP). Sin duda, tanto si es un desarrollador de Python neófito en Machine Learning como si desea profundizar en los últimos avances, este libro de PyTorch será su gran aliado en el aprendizaje automático con Python. 'Estoy seguro de que este libro le resultará muy valioso, tanto por ofrecer una visión general del apasionante campo de Machine Learning, como por ser un tesoro de conocimientos prácticos. Espero que le inspire a aplicar Machine Learning para lograr un mayor beneficio, sea cual sea su problemática' -Dmytro Dzhulgakov PyTorch Core Maintainer

Machine learning con pytorch y scikit-learn

Si busca un manual de referencia sobre Machine Learning y Deep Learning con PyTorch, ha llegado al libro indicado. En él se explica paso a paso cómo construir sistemas de aprendizaje automático con éxito.Mientras que en algunos libros solo se enseña a seguir instrucciones, en este descubrirá los principios para crear modelos y aplicaciones por sí mismo. Encontrará multitud de explicaciones claras, visualizaciones y ejemplos, y aprenderá en profundidad todas las técnicas esenciales de Machine Learning.Actualizado para ocuparse de Machine Learning utilizando PyTorch, este libro también presenta las últimas incorporaciones a Scikit-Learn. Además, trata varias técnicas de Machine Learning y Deep Learning para la clasificación de textos e imágenes. Con este libro, también aprenderá sobre las redes generativas antagónicas (GAN), útiles para generar nuevos datos y entrenar agentes inteligentes con aprendizaje reforzado.Por último, esta edición incluye las últimas tendencias en Machine Learning, como las introducciones a las redes neuronales de grafos y transformadores a gran escala utilizados para el procesamiento del lenguaje natural (NLP).Sin duda, tanto si es un desarrollador de Python neófito en Machine Learning como si desea profundizar en los últimos avances, este libro de PyTorch será su gran aliado en el aprendizaje automático con Python.Gracias a esta lectura:Explorará marcos de trabajo, modelos y técnicas para que las máquinas «aprendan» de los datosEmpleará Scikit-Learn para Machine Learning y PyTorch para Deep LearningEntrenará clasificadores de Machine Learning en imágenes, texto, etc.Creará y entrenará redes neuronales, transformadores y redes neuronales gráficasDescubrirá las mejores prácticas para evaluar y ajustar los modelosPronosticará los resultados de elementos continuos utilizando el análisis de regresiónProfundizará en los datos textuales y de las redes sociales mediante el análisis de sentimiento«Estoy seguro de que este libro le resultará muy valioso, tanto por ofrecer una visión general del apasionante campo de Machine Learning, como por ser un tesoro de conocimientos prácticos. Espero que le inspire a aplicar Machine Learning para lograr un mayor beneficio, sea cual sea su problemática»Dmytro DzhulgakovPyTorch Core Maintainer

Machine learning is eating the software world. Understand and work at the cutting edge of machine learning, neural networks, and deep learning with this second edition of Sebastian Raschka's bestselling book, Python Machine Learning. Modernized and extended to include the latest open source technologies, including scikit-learn, Keras, and TensorFlow, Python Machine Learning Second Edition offers the practical knowledge and techniques you need to create effective machine learning and deep learning applications in Python. Sebastian Raschka and Vahid Mirjalili's unique insight and expertise introduce you to machine learning and deep learning algorithms, before progressing to advanced topics in data analysis. This book combines the theoretical principles of machine learning with a hands-on coding approach for a thorough grasp of machine learning theory and implementation using Python.

Packt Publishing

Python Machine Learning. Machine Learning And Deep Learning With Python, Scikit-Learn, And Tensorflow

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 delaprendizaje 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 profundoFormular nuevas preguntas sobre datos con modelos deaprendizaje automático y redes neuronalesAprovechar el poder de las últimas libreríasde código abierto de Python para aprendizaje automáticoDominar la implementación de redes neuronales profundas con la librería de TensorFlowIncrustar modelos de aprendizaje automáticos en aplicacions web accesiblesPredecir resultados objetivos continuos con análisis de regresiónDescubrir patrones ocultos y estructuras en datos con agrupamientosAnalizar imágenes mediante técnicas de aprendizaje profundoProfundizar en datos de medios sociales y textuales con el análisis de sentimientos

Machine learning con pytorch y scikit-learn. Desarrollo de modelos machine learning y deep learning con python

El machine learning y la inteligencia artificial

Construccion de grandes modelos de lenguaje desde cero (2026)

Python machine learning (2019)

El machine learning y la inteligencia artificial (2024)

Machine learning con pytorch y scikit-learn (2023)

Machine learning con pytorch y scikit-learn (2023)

Python Machine Learning. Machine Learning And Deep Learning With Python, Scikit-Learn, And Tensorflow

Python machine learning (2019)