Envío rápido hasta 45% DCTO  Ver más

Ingresa tu
Dirección
0
  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

Selecciona tu país

América

Europa

Resto del mundo

portada Machine Learning. Implementar en Python con Scikit-learn
Formato
Libro Físico
Editorial
Categoría
Machine Learning - ML - Python - Scikit-learn
Año
2024
Idioma
Español
N° páginas
338
Encuadernación
Tapa Blanda
Dimensiones
21.6 x 17.8 cm
ISBN13
9782409047282

Machine Learning. Implementar en Python con Scikit-learn

Virginie Mathivet (Autor) · Ediciones ENI · Tapa Blanda

Machine Learning. Implementar en Python con Scikit-learn - Virginie Mathivet

Machine learning - ml - python - scikit-learn

Libro NuevoOrigen: España *
Envío: 11 a 21 días háb.
$ 71.43$ 39.29
-45%
* (Costos de importación incluídos en el precio)
Libro Nuevo

Quedan 10 unidades

$ 39.29
Se enviará desde nuestra bodega entre el Viernes 07 de Marzo y el Viernes 21 de Marzo
More Info

Reseña del libro "Machine Learning. Implementar en Python con Scikit-learn"

Este libro introduce a aquellos que no son Data Scientists, sin conocimientos particulares de matemáticas, en la metodología del Machine Learning, sus conceptos, sus principales algoritmos y la implementación de éstos en Python usando Scikit-learn.

Comienza con una presentación del Aprendizaje Automático y, a continuación, del método CRISP, en el que se detalla cada fase junto con sus diversas etapas. Los primeros capítulos se centran en las fases de Entender el Negocio (Business Understanding), Entender los Datos (Data Understanding) y Preparar los Datos (Data Preparation). Estos capítulos presentan los análisis estadísticos de los conjuntos de datos (datasets), tanto en forma numérica como gráfica, así como las principales técnicas utilizadas para la preparación de datos, con su función y consejos sobre cómo utilizarlas.

A continuación, se dedican varios capítulos a cada tarea de Aprendizaje Automático: clasificar, la regresión, con el caso especial de la tarea de predecir, así como agrupar (clustering) y, de forma más general, el aprendizaje no supervisado. Para cada tarea presentada, se detallan sucesivamente los criterios de evaluación, los conceptos en los que se basan los principales algoritmos y su implementación usando Scikit-learn.

Para ilustrar los distintos capítulos, las técnicas y algoritmos que se presentan se aplican a conjuntos de datos de uso frecuente: Iris (clasificar flores), Boston (prever el precio de venta de pisos) y Titanic (prever la probabilidad de supervivencia de los pasajeros de un barco). El código Python está comentado y puede descargarse (en forma de cuadernos Jupyter) en www.edictiones-eni.com.

Opiniones del libro

Ver más opiniones de clientes
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Preguntas frecuentes sobre el libro

Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Español.
La encuadernación de esta edición es Tapa Blanda.

Preguntas y respuestas sobre el libro

¿Tienes una pregunta sobre el libro? Inicia sesión para poder agregar tu propia pregunta.

Opiniones sobre Buscalibre

Ver más opiniones de clientes