Sebastian Raschka

El físico Richard P. Feynman afirmó: «No comprendo lo que no puedo crear». Inspirado en este principio, Sebastian Raschka ofrece en este libro una guía práctica y detallada para construir un modelo d

This book of the bestselling and widely acclaimed Python Machine Learning series is a comprehensive guide to machine and deep learning using PyTorch's simple to code framework.Purchase of the print or Kindle book includes a free eBook in PDF format.Key FeaturesLearn applied machine learning with a solid foundation in theoryClear, intuitive explanations take you deep into the theory and practice of Python machine learningFully updated and expanded to cover PyTorch, transformers, XGBoost, graph neural networks, and best practicesBook DescriptionMachine Learning with PyTorch and Scikit-Learn is a comprehensive guide to machine learning and deep learning with PyTorch. It acts as both a step-by-step tutorial and a reference you'll keep coming back to as you build your machine learning systems.Packed with clear explanations, visualizations, and examples, the book covers all the essential machine learning techniques in depth. While some books teach you only to follow instructions, with this machine learning book, we teach the principles allowing you to build models and applications for yourself.

Si está listo para aventurarse más allá de los conceptos introductorios e indagar en el aprendizaje automático, en el aprendizaje profundo y en la inteligencia artificial (IA), el formato de preguntas y respuestas que presenta el libro El Machine Learning y la IA le facilitara mucho las cosas. Nacido de las cuestiones que a menudo se plantea el autor, Sebastian Raschka, este libro muestra un metodo directo y sin rodeos para acercarle a temas avanzados, que presenta de forma rapida y accesible. Cada capitulo es breve y autonomo, y aborda una cuestion fundamental de la IA, desvelandola con explicaciones claras, diagramas y ejercicios practicos.En esta lectura encontrara:CAPITULOS CONCISOS: Las preguntas clave de la IA se responden de forma sencilla y las ideas complejas se desglosan en piezas faciles de digerir.GAMA AMPLIA DE TEMAS: Raschka cubre temas que van desde la arquitectura de las redes neuronales y la evaluacion de los modelos hasta la vision informatica y el procesamiento del lenguaje natural.USOS PRACTICOS: Conocera tecnicas para mejorar el rendimiento de los modelos, afinar modelos grandes y mucho mas.Tambien aprendera a:"Gestionar las distintas fuentes de aleatoriedad en la formacion de redes neuronales"Diferenciar entre arquitecturas de codificador y decodificador en modelos de lenguaje grandes "Reducir el sobreajuste con modificaciones de datos y modelos"Construir intervalos de confianza para clasificadores y optimizar los modelos con datos etiquetados limitados"Elegir entre paradigmas distintos de formacion multi-GPU y tipos diferentes de modelos de IA generativa"Comprender las metricas de rendimiento para el procesamiento del lenguaje natural"Dar sentido a los sesgos inductivos en los transformadores de visionSi busca el recurso perfecto para mejorar su comprension del aprendizaje automatico, El Machine Learning y la IA le ayudara a avanzar facilmente en este camino.

Si está listo para aventurarse más allá de los conceptos introductorios e indagar en el aprendizaje automático, en el aprendizaje profundo y en la inteligencia artificial (IA), el formato de preguntas y respuestas que presenta el libro El Machine Learning y la IA le facilitara mucho las cosas. Nacido de las cuestiones que a menudo se plantea el autor, Sebastian Raschka, este libro muestra un metodo directo y sin rodeos para acercarle a temas avanzados, que presenta de forma rapida y accesible. Cada capitulo es breve y autonomo, y aborda una cuestion fundamental de la IA, desvelandola con explicaciones claras, diagramas y ejercicios practicos. En esta lectura encontrara: CAPITULOS CONCISOS: Las preguntas clave de la IA se responden de forma sencilla y las ideas complejas se desglosan en piezas faciles de digerir. GAMA AMPLIA DE TEMAS: Raschka cubre temas que van desde la arquitectura de las redes neuronales y la evaluacion de los modelos hasta la vision informatica y el procesamiento del lenguaje natural. USOS PRACTICOS: Conocera tecnicas para mejorar el rendimiento de los modelos, afinar modelos grandes y mucho mas. Tambien aprendera a: ' Gestionar las distintas fuentes de aleatoriedad en la formacion de redes neuronales ' Diferenciar entre arquitecturas de codificador y decodificador en modelos de lenguaje grandes ' Reducir el sobreajuste con modificaciones de datos y modelos ' Construir intervalos de confianza para clasificadores y optimizar los modelos con datos etiquetados limitados ' Elegir entre paradigmas distintos de formacion multi-GPU y tipos diferentes de modelos de IA generativa ' Comprender las metricas de rendimiento para el procesamiento del lenguaje natural ' Dar sentido a los sesgos inductivos en los transformadores de vision Si busca el recurso perfecto para mejorar su comprension del aprendizaje automatico, El Machine Learning y la IA le ayudara a avanzar facilmente en este camino. ACERCA DEL AUTOR Sebastian Raschka, PhD, es un investigador de aprendizaje automatico y educador en inteligencia artificial de Lightning AI, entusiasta por hacer que la inteligencia artificial sea mas accesible. El Dr. Raschka, exprofesor asistente de estadistica en la Universidad de Wisconsin-Madison, donde se especializo en investigacion del aprendizaje automatico, es el autor de los libros Python Machine Learning y Machine Learning con PyTorch y Scikit-Learn, ambos publicados en español en Marcombo. Encontrara mas informacion sobre sus proyectos en: https://sebastianraschka.com.

El aprendizaje automático está invadiendo el mundo del software. Si quieres entender y trabajar la vanguardia del aprendizaje automático, las redes neuronales y el aprendizaje profundo, esta segunda edicion del bestseller Python Machine Learning, es tu libro.Modernizado y ampliado para incluir las tecnologias de codigo abierto mas recientes, como scikit-learn, Keras y TensorFlow, este manual proporciona el conocimiento practico y las tecnicas necesarias para crear eficaces aplicaciones de aprendizaje automatico y aprendizaje profundo en Python.El conocimiento y la experiencia unicos de Sebastian Raschka y Vahid Mirjalili presentan los algoritmos de aprendizaje automatico y aprendizaje profundo, antes de continuar con temas avanzados en analisis de datos. Combinan los principios teoricos del aprendizaje automatico con un enfoque practico de codificacion para una comprension completa de la teoria del aprendizaje automatico y la implementacion con Python.Aprenderas a: Explorar y entender los frameworks clave para la ciencia de datos, el aprendizaje automatico y el aprendizaje profundoFormular nuevas preguntas sobre datos con modelos de aprendizaje automatico y redes neuronalesAprovechar el poder de las ultimas librerias de codigo abierto de Python para aprendizaje automaticoDominar la implementacion de redes neuronales profundas con la libreria de TensorFlowIncrustar modelos de aprendizaje automaticos en aplicacions web accesiblesPredecir resultados objetivos continuos con analisis de regresionDescubrir patrones ocultos y estructuras en datos con agrupamientosAnalizar imagenes mediante tecnicas de aprendizaje profundoProfundizar en datos de medios sociales y textuales con el analisis de sentimientos

El aprendizaje automático está invadiendo el mundo del software. Si quieres entender y trabajar la vanguardia del aprendizaje automático, las redes neuronales y el aprendizaje profundo, esta segunda edicion del bestseller Python Machine Learning, es tu libro. Modernizado y ampliado para incluir las tecnologias de codigo abierto mas recientes, como scikit-learn, Keras y TensorFlow, este manual proporciona el conocimiento practico y las tecnicas necesarias para crear eficaces aplicaciones de aprendizaje automatico y aprendizaje profundo en Python. El conocimiento y la experiencia unicos de Sebastian Raschka y Vahid Mirjalili presentan los algoritmos de aprendizaje automatico y aprendizaje profundo, antes de continuar con temas avanzados en analisis de datos. Combinan los principios teoricos del aprendizaje automatico con un enfoque practico de codificacion para una comprension completa de la teoria del aprendizaje automatico y la implementacion con Python. Aprenderas a: Explorar y entender los frameworks clave para la ciencia de datos, el aprendizaje automatico y el aprendizaje profundo Formular nuevas preguntas sobre datos con modelos de aprendizaje automatico y redes neuronales Aprovechar el poder de las ultimas librerias de codigo abierto de Python para aprendizaje automatico Dominar la implementacion de redes neuronales profundas con la libreria de TensorFlow Incrustar modelos de aprendizaje automaticos en aplicacions web accesibles Predecir resultados objetivos continuos con analisis de regresion Descubrir patrones ocultos y estructuras en datos con agrupamientos Analizar imagenes mediante tecnicas de aprendizaje profundo Profundizar en datos de medios sociales y textuales con el analisis de sentimientos