Aprendizaje Automático Con Pytorch Y Scikit-learn: Desarroll

Descripción

Este libro de la exitosa y aclamada serie Python Machine Learning es una guía completa sobre el aprendizaje automático y profundo utilizando el marco simple de programación de PyTorch.
La compra del libro impreso o Kindle incluye un libro electrónico gratuito en formato PDF. Características principales Aprenda el aprendizaje automático aplicado con una base teórica sólida Las explicaciones claras e intuitivas lo adentrarán en la teoría y la práctica del aprendizaje automático de Python Totalmente actualizado y ampliado para cubrir PyTorch, transformers, XGBoost, redes neuronales gráficas y las mejores prácticas Descripción del libro El
aprendizaje automático con PyTorch y Scikit-Learn es una guía completa sobre el aprendizaje automático y el aprendizaje profundo con PyTorch. Actúa como un tutorial paso a paso y como una referencia a la que volverás a consultar a medida que construyas tus sistemas de aprendizaje automático.
Repleto de explicaciones, visualizaciones y ejemplos claros, el libro cubre en profundidad todas las técnicas esenciales de aprendizaje automático. Si bien algunos libros solo te enseñan a seguir instrucciones, en este libro de aprendizaje automático te enseñamos los principios que te permitirán crear modelos y aplicaciones por ti mismo.
¿Por qué PyTorch?
PyTorch es la forma pitónica de aprender el aprendizaje automático, lo que facilita el aprendizaje y simplifica la programación. Este libro explica las partes esenciales de PyTorch y cómo crear modelos con bibliotecas populares, como PyTorch Lightning y PyTorch Geometric.
También aprenderá sobre las redes generativas de confrontación (GAN) para generar nuevos datos y entrenar agentes inteligentes mediante el aprendizaje por refuerzo. Por último, esta nueva edición se amplía para cubrir las últimas tendencias del aprendizaje profundo, incluidas las redes neuronales gráficas y los transformadores a gran escala utilizados para el procesamiento del lenguaje natural (PNL).
Este libro de PyTorch es su complemento para el aprendizaje automático con Python, tanto si es un desarrollador de Python nuevo en el aprendizaje automático como si desea profundizar sus conocimientos sobre los últimos avances. Qué aprenderá Explore marcos, modelos y técnicas para que las máquinas aprendan de los datos Utilice scikit-learn para el aprendizaje automático y PyTorch para el aprendizaje profundo Entrene los clasificadores del aprendizaje automático en imágenes, texto y más Cree y entrene redes neuronales, transformadores y algoritmos de impulso Descubra las mejores prácticas para evaluar y ajustar modelos Prediga los resultados de los objetivos continuos mediante el análisis de regresión Profundice en los datos textuales y de redes sociales mediante el análisis de sentimientos Para quién es este libro
Si tiene un buen entiende los conceptos básicos de Python y quiere empezar Si está aprendiendo sobre el aprendizaje automático y el aprendizaje profundo, este es el libro para usted. Este es un recurso esencial escrito para desarrolladores y científicos de datos que desean crear aplicaciones prácticas de aprendizaje automático y aprendizaje profundo con scikit-learn y PyTorch.
Antes de empezar con este libro, necesitarás tener un buen conocimiento del cálculo y del álgebra lineal. Tabla de contenido Dar a las computadoras la capacidad de aprender del entrenamiento de datos Algoritmos simples de aprendizaje automático para la clasificación Un recorrido por los clasificadores de aprendizaje automático que utilizan Scikit-Learn Creación de buenos conjuntos de datos de entrenamiento: preprocesamiento de datos, compresión de datos mediante reducción de dimensionalidad, aprendizaje, mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros, combinación de diferentes modelos para el aprendizaje por conjuntos, aplicación del aprendizaje automático al análisis de sentimientos, predicción de variables objetivo continuas con análisis de regresión, trabajo con datos sin etiquetar, análisis de clústeres Implementación de una red neuronal artificial multicapa desde cero
(Nota: utilice la opción Look Inside para ver más capítulos)