000			03110nam a2200409 i 4500
001			34933
003			CO-SiCUC
005			20230519151844.0
008			180420b2021 sp ||||| |||| 001 0 spa d
020			_a9789587923162
035			_a(CO-SiCUC) 34933
040			_aCO-SiCUC _bspa _cCO-SiCUC _erda
041	1		_aspa _jeng
043			_ae-sp---
082	0	4	_a005.133 _bP649 2021 _222
100	1		_4aut _aPineda Pertuz, Carlos M. _eautor _948591
245	1	0	_aAprendizaje automático y profundo en Python : _buna mirada hacia la inteligencia artificial / _cCarlo M. Pineda Pertuz.
250			_aPrimera edición.
264		1	_aBogotá : _bEdiciones de la U, _c2021.
300			_a341 páginas : _bilustraciones ; _c24 cm
336			_2rdacontent _atexto _btxt
337			_2rdamedia _asin mediación _bn
338			_2rdacarrier _avolumen _bnc
500			_aIncluye índice analítico.
504			_aIncluye referencias bibliográficas.
505			_aCapítulo 1. Conceptos básicos de programación en Python 3.9. -- Capítulo 2. Introducción al aprendizaje automático . -- Capítulo 3. Herramientas para el aprendizaje automático. -- Capítulo 4. Preprocesado de datos. -- Capítulo 5. Modelos de regresión. -- Capítulo 6. Regularización, métricas de evaluación y ajuste de hiperparámetros. -- Capítulo 7. Modelos de clasificación I. -- Capítulo 8. Modelos de clasificación II. -- Capítulo 9. Clustering. -- Capítulo 10. Reducción de la dimensionalidad. -- Capítulo 11. Introducción a las redes neuronales. -- Capítulo 12. Redes neuronales convolucionales. -- Capítulo 13. Aumento de datos y transferencia de aprendizaje. -- Capitulo 14. Introducción al procesamiento del lenguaje natural (PNL). -- Capítulo 15. Redes neuronales recurrentes (RNN).
520			_aEs una herramienta de apoyo y de consulta para toda aquella persona interesada en dominar los fundamentos del aprendizaje automático y profundo, a tal punto que le permita aprender lo necesario para desarrollar sus propios modelos de aprendizaje aptos para realizar predicciones con base en los datos, para ello el autor hará uso en la mayoría de los casos de explicaciones teóricas y prácticas, que permitan al lector afianzar sus ideas y fortalecer su aprendizaje. El libro se encuentra dividido en dos partes la primera enfocada en el machine learning y sus diferentes algoritmos de regresión y clasificación, clustering, entre otros. La segunda parte comprende varias técnicas de deep learning donde estudiaremos diferentes arquitecturas de redes neuronales como: redes densamente conectadas, redes convolucionales y redes recurrentes. _cEl texto.
590			_aIngeniería de Sistemas
650	1	7	_aAprendizaje automático (Inteligencia artificial). _948592
650	1	7	_aIngeniería informática. _937237
650	1	7	_aIngeniería de la producción. _913217
650	1	7	_aInnovaciones tecnológicas. _927775
650	1	7	_aMétodos de simulación. _9231
650	1	7	_aProductividad industrial. _948559
650	1	7	_aPython (Lenguaje de programación de computadores). _927775
942			_2ddc _cBK
999			_c34933 _d34933