Gracias a varios logros innovadores, el deep learning ha dado un gran impulso a todo el campo del machine learning. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este best seller utiliza ejemplos concretos, una teoría mínima y frameworks de Python listos para la producción (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes.

Con esta tercera edición actualizada, el autor Aurélien Géron explora una variedad de técnicas que van desde una regresión lineal simple a redes neuronales profundas. Hay ejemplos de código y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación:

* Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de machine learning de ejemplo de principio a fin.

* Explora varios modelos, incluyendo máquinas de vectores soporte, árboles de decisión, random forests y métodos de ensamblaje.

* Aprovecha técnicas de aprendizaje no supervisado, como la reducción de dimensionalidad, el agrupamiento y la detección de anomalías.

* Sumérgete en arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas antagónicas, autocodificadores, modelos de difusión y transformadores.

* Utiliza TensorFlow y Keras para crear y entrenar redes neuronales para visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje profundo por refuerzo.

Gracias a varios logros innovadores, el deep learning ha dado un gran impulso a todo el campo del machine learning. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este best seller utiliza ejemplos concretos, una teoría mínima y frameworks de Python listos para la producción (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes.

Con esta tercera edición actualizada, el autor Aurélien Géron explora una variedad de técnicas que van desde una regresión lineal simple a redes neuronales profundas. Hay ejemplos de código y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación:

* Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de machine learning de ejemplo de principio a fin.

* Explora varios modelos, incluyendo máquinas de vectores soporte, árboles de decisión, random forests y métodos de ensamblaje.

* Aprovecha técnicas de aprendizaje no supervisado, como la reducción de dimensionalidad, el agrupamiento y la detección de anomalías.

* Sumérgete en arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas antagónicas, autocodificadores, modelos de difusión y transformadores.

* Utiliza TensorFlow y Keras para crear y entrenar redes neuronales para visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje profundo por refuerzo.

"Un recurso excepcional para estudiar machine learning'. Encontrarás explicaciones claras e intuitivas y un montón de trucos prácticos".-François Chollet, autor de Keras, autor de Deep learning con Python.

"Este libro es una gran introducción a la teoría y la práctica de la resolución de problemas con redes neuronales; se lo recomiendo a cualquiera que quiera aprender sobre machine learning práctico".-Pete Warden, Mobile Lead de TensorFlow.

"Un recurso excepcional para estudiar machine learning. Encontrarás explicaciones claras e intuitivas y un montón de trucos prácticos".-François Chollet, autor de Keras, autor de Deep learning con Python.

"Este libro es una gran introducción a la teoría y la práctica de la resolución de problemas con redes neuronales; se lo recomiendo a cualquiera que quiera aprender sobre machine learning práctico".-Pete Warden, Mobile Lead de TensorFlow.