Materias

INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO CON ORANGE

Novedad INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO CON ORANGE Ver más grande

PRECIO: 16,83 €

Disponibilidad de 3 a 7 días aproximadamente

CANTIDAD

Referencia: Código 11089


DESCRIPCIÓN:

Mayo de 2024  -  Fernando Sánchez Lasheras..  -  Refª 11089

CONTENIDO:

Fernando Sánchez Lasheras; José Manuel Casas; Laura Bonavera; Sergio Luis Suárez Gómez

Mayo de 2024      Páginas: 186

Código 11089      ISBN/EAN:9788426738257

CONTENIDO: Aprender acerca de la inteligencia artificial (IA) y hacer realidad sus primeros modelos ahora es más fácil que nunca. Introducción al aprendizaje automático con Orange le guiará en este camino a través de una de las herramientas de software de código abierto más potentes de la actualidad, Orange Data Mining.

En este libro encontrará una explicación detallada sobre Orange Data Mining, una plataforma que proporciona un entorno visual y de programación para la exploración, representación gráfica y análisis de datos. A través de un enfoque basado en componentes, este software le permitirá construir flujos de trabajo analíticos personalizados mediante la conexión de diferentes widgets para realizar tareas específicas.

Apto para aficionados, curiosos y expertos por igual, este libro no solo cubre los fundamentos de la IA, sino que también le invita a sumergirse en la programación de modelos de IA por su cuenta, aprovechando una comunidad activa que constantemente enriquece Orange con nuevas capacidades y funcionalidades. Gracias a la lectura de este libro:

  • Aprenderá a usar el entorno de trabajo de Orange.
  • Comprenderá los principios del análisis de datos y su visualización.
  • Dominará los conceptos fundamentales del aprendizaje automático.

Será capaz de desarrollar sus propios modelos de inteligencia artificial. Únase a este viaje para explorar, aprender y crear con inteligencia artificial, mientras fomenta la colaboración y la innovación dentro de una comunidad de código abierto en constante crecimiento. Este libro es la puerta de entrada a un mundo donde la tecnología punta está al alcance de su mano. No lo deje escapar, transforme su comprensión de los datos y sus habilidades en IA.

INDICE EXTRACTADO:

CAPÍTULO 1

Introducción a Orange y su entorno de trabajo  1

1.1. Introducción  1

1.2. Instalación de Orange  2

1.3. El entorno de trabajo de Orange  6

1.4. Flujo de trabajo en Orange.Canvas y widgets  13

CAPÍTULO 2

Conceptos fundamentales del aprendizaje automático

2.1. Introducción  27

2.2. Clasificación de las metodologías y técnicas fundamentales del aprendizaje automático  28

2.3. Métodos de regresión  31

2.4. Métodos de clasificación  37

2.5. El agrupamiento 42

CAPÍTULO 3

Análisis de bases de datos

3.1. Sobre la calidad de las bases de datos  53

3.2. Detección de espurios y de posibles agrupaciones en el conjunto de datos  54

3.3. Exploración de datos faltantes 59

3.4. Sobre los tipos de datos faltantes  62

3.5. Aplicación de metodologías de imputación  63

3.6. Escalado de las variables  64

CAPÍTULO 4

Visualización de datos

4.1. Introducción al análisis exploratorio  69

4.2. Gráficos de dispersión  73

4.3. Gráficos de cajas  75

4.4. Gráficos de violín 78

4.5. Gráficos de barras  83

4.6. Gráficos de distribución  84

4.7. Diagramas de tamiz  85

4.8. Gráficos de mosaico  87

4.9. Mapas de calor  89

CAPÍTULO 5

Redes neuronales artificiales

5.1. Introducción a las redes neuronales artificiales  93

5.2. Conjuntos de datos  94

5.3. Arquitectura de una red  95

5.4. Funciones de activación  97

5.5. Funciones de coste  102

5.6. Algoritmo de retropropagación  104

5.7. Otras arquitecturas de redes  106

5.8. Ejemplo. MLP para el set de datos MNIST  107

CAPÍTULO 6

Las máquinas de vectores de soporte

6.1. Introducción  115

6.2. Ejemplo de aplicación de las máquinas de vectores de soporte como clasificador en Orange  116

6.3. Medidas de rendimiento  120

6.4. Curvas ROC  122

6.5. Teoría de las máquinas de vectores de soporte  126

6.6. Modelos de árbol  139

CAPÍTULO 7

Métodos combinados (ensemble)

7.1. Introducción  147

7.2. Métodos combinados 148

7.3. Gradient boosting  153

7.4. Sobre los tipos de datos faltantes  165

7.5. Aplicación de metodologías de imputación  168

7.6. Escalado de las variables  169

Más detalles

TAMBIEN LE PUEDE INTERESAR

OTROS PRODUCTOS DE LA MISMA MATERIA

También puede hacer sus pedidos sin necesidad de crear una cuenta a: pedidos@belliscovirtual.com . Deberá indicar todos sus datos y los códigos de los libros solicitados.