Hands On Machine Learning with Scikit Learn, Keras, and TensorFlow 3e: Concepts, Tools, Techniques to Build Intelligent Systems

Este texto reúne enfoques y herramientas para comprender y practicar el desarrollo de proyectos de aprendizaje automático de extremo a extremo. Aborda el uso de scikit-learn para seguir un proyecto de ML, explorando modelos como máquinas de soporte vectorial, árboles de decisión, bosques aleatorios y métodos de ensamblaje. Incluye técnicas de aprendizaje no supervisado como reducción de dimensionalidad, clustering y detección de anomalías, así como arquitecturas neuronales que abarcan redes convolucionales, redes recurrentes, redes generativas adversarias, autoencoders, modelos de difusión y transformers. También se detalla el uso de TensorFlow y Keras para construir y entrenar redes neuronales en visión por computadora, procesamiento de lenguaje natural, modelos generativos y aprendizaje por refuerzo profundo. La información se acompaña de la referencia a una publicación de O'Reilly Media, que destaca avances recientes que han impulsado el campo del aprendizaje profundo. El contenido cubre un rango amplio de técnicas y aplicaciones, siendo útil para quienes buscan un panorama práctico y técnico en ML e IA.

Características clave

• Modelos: SVM, árboles, random forests

Técnicas y enfoques

• Reducción de dimensionalidad y clustering

Arquitecturas neuronales

• CNN, RNN, GAN, autoencoders

Modelos avanzados

• Difusión y transformers

Entornos y herramientas

• TensorFlow y Keras para visión, NLP, RL