Machine Learning Guía Paso a Paso Para Implementar Algoritmos De Machine Learning Con Python

Machine Learning Guía Paso a Paso Para Implementar Algoritmos De Machine Learning Con Python

Español | 3.3 Mb | Pdf | Autor:Rudolph Russell | Publicación: 2018 | Pass:www.detodopython.com

Descripción:

Si pregunto acerca del “Machine Learning” probablemente imaginarás un robot o algo como el Exterminador. En realidad, el Machine Learning no solo está involucrado en la robótica, pero además en muchas otras aplicaciones. También puedes imaginar algo como filtros de spam al ser una de las primeras aplicaciones en Machine Learning el cual ayuda a mejorar la vida de millones de personas. En este capítulo, te presentaré lo que es el Machine Learning, y como funciona.
Asumamos que quisieras escribir el programa filtro sin usar métodos de Machine Learning. En este caso, tendrás que seguir los siguientes pasos:

Al principio, echarías un vistazo a lo cómo se ven los correos electrónicos no deseados. Podrías seleccionarlos por las palabras o frases que usan, como “tarjeta de debido”, “gratis”, y muchas más, y además de patrones que son usados en los nombres de los remitentes o en el cuerpo del correo.

Contenido:

CAPITULO 1: INDTODUCCIÓN AL MACHINE LEARNING
Teoría

• ¿Qué es Machine Learning?
• ¿Por qué Machine Learning?
• ¿Cuándo debemos usar Machine Learning?
• Tipos de Sistemas de Machine Learning
• Machine Learning Supervisado y Sin Supervisión
• Machine Learning Supervisado
• Los Algoritmos Supervisados Mas Importantes
• Machine Learning No Supervisado
• Los Más Importantes Algoritmos del Machine Learning No Supervisado
• Machine Learning de Refuerzo
• Machine Learning por Lote
• Machine Learning En-Línea
• Machine Learning por Ejemplos
• Machine Learning por Modelo
• Insuficiente Cantidad o Malos Datos de Capacitación
• EJERCISIOS
• RESUMEN

CAPITULO 2: CLASIFICACIÓN

• Instalación
• El MNIST
• Matriz de Confusión
• Compensación de Exhaustividad (Recall)
• ROC
• Clasificación de Clase Múltiple
• Capacitando un Clasificador de Bosque Aleatorio
• Análisis de Error
• Clasificaciones de Etiquetas Múltiples
• Clasificación de Salidas Múltiples
• EJERCISIOS
• RESUMEN

CAPITULO 3: COMO CAPACITAR UN MODELO

• Regresión Lineal
• Complejidad Computacional
• Descenso Gradiente
• Descenso Gradiente por Lote
• Descenso Gradiente Estocástico
• Mini Descenso Gradiente por Lote
• Regresión Polinomial
• Curvas de Machine Learning
• Modelos Lineales Regularizados
• Regresión Contraída
• Regresión Lasso
• EJERCISIOS
• RESUMEN

CAPITULO 4: COMBINACIONES DE DIFERENTES MODELOS

• Clasificadores Arbóreos
• Implementando un Clasificador por Mayoría Simple
• Combinando diferentes algoritmos para la clasificación con mayoría de votos
• Clasificador

Descargar / Donwload
Mega | Fireload | Otro | Como descargar