Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow

El libro Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow es, sin duda, mi libro de cabecera para empezar en el mundo del Machine Learning con Python de manera práctica.

Introduce las técnicas de Machine Learning desde un enfoque práctico a través de pequeños proyectos y ejemplos. Además, el autor hace simples los conceptos complicados mediante el uso de analogías.

No sé tú pero yo siempre he aprendido mejor con ejemplos.

Hands On Machine Learning with Scikit-Learn and TensorFlow pdf Libro Aprende Machine Learning con Scikit-Learn y TensorFlow

Cuando lo leas, encontrarás dos partes diferenciadas e igualmente interesantes:

  • La primera trata los modelos de Machine Learning clásico. Introduce los fundamentos de clasificación y regresión, aprendizaje no supervisado y árboles de decisión. En esta parte manejarás librerías como Scikit Learn, Numpy y Pandas.
  • La segunda parte se centra en redes neuronales y deep learning utilizando las librerías de Tensorflow y Keras.

Es un libro con un enfoque práctico para aprender a utilizar las librerías Scikit-learn y Keras desde cero hasta convertirte en un pro y viene acompañado de un repositorio en GitHub en el que encontrarás todo el código de Python que se explica en el libro.

El libro Hands-on Machine learning with Scikit-learn, Keras y TensorFlow asume que tienes algo de experiencia en programación con Python y que estás familiarizado con las principales librerías científicas de Python, en particular, NumPy, Pandas y Matplotlib.

De todas maneras, si nunca has utilizado estas librerías, no te preocupes; son fáciles de aprender y terminarás dominándolas como un verdadero ninja.

Además, si deseas entender completamente cómo funcionan los algoritmos de aprendizaje automático (no solo cómo usarlos), deberías tener al menos una comprensión básica de algunos conceptos matemáticos, especialmente álgebra lineal, un poquito de cálculo para entender el algoritmo del descenso de gradiente y algunos conceptos básicos de estadística y probabilidad.

¡Prepárate porque vamos a ponernos manos a la obra!

Todos los capítulos de Hands-on Machine Learning with Scikit-learn, Keras and TensorFlow

A continuación encontrarás un resumen de cada uno de los capítulos del libro.

Parte I. Machine Learning Clásico

Capítulo 1. Machine learning
Capítulo 2. Proyecto de ML completo
Capítulo 3. Clasificación
Capítulo 4. Entrenamiento de modelos
Capítulo 5. Máquinas de Vectores Soporte (SVM)
Capítulo 6. Árboles de decisión
Capítulo 7. Ensembles y bosques aleatorios
Capítulo 8. Reducción de la dimensionalidad
Capítulo 9. Aprendizaje no supervisado

Parte II. Redes neuronales y Deep Learning

Capítulo 10. Introducción a las redes neuronales con Keras
Capítulo 11. Entrenando redes neuronales profundas
Capítulo 12. Modelos personalizados y entrenamiento con TensorFlow
Capítulo 13. Carga y preprocesado de datos con TensorFlow
Capítulo 14. Visión por ordenador con redes neuronales convolucionales
Capítulo 15. Procesado de secuencias con RNN y CNN
Capítulo 16. Procesado del lenguaje con redes neuronales
Capítulo 17. Autoencoders, GANs y modelos de difusión
Capítulo 18. Aprendizaje por refuerzo
Capítulo 19. Entrenamiento y despliegue de modelos TensorFlow a escala

Accede a todo el contenido premium

Ya no necesitas pagar cientos de euros por un Bootcamp para convertirte en ninja de los datos. Por solo 17€/mes (o menos 🤯), obtén acceso al podcast premium, a todos los tutoriales y a los resúmenes de los libros más top sobre Machine Learning y Ciencia de datos y aprende a tu ritmo.
¡Empieza ahora!
Copyright © 2024  · Datos 🥷 · Todos los derechos reservados