Prólogo
Colaboradores
Contenidos
Prefacio
1. Dotar a los ordenadores de la capacidad de aprender de los datos
2. Entrenamiento de algoritmos sencillos de aprendizaje automático para tareas de clasificación
3. Un recorrido por los clasificadores de aprendizaje automático con Scikit-learn
4. Elaboración de conjuntos de datos de entrenamiento adecuados: preprocesamiento
5. Compresión de datos mediante la reducción de la dimensionalidad
6. Aprendizaje de las mejores prácticas para la evaluación de modelos y el ajuste de hiperparámetros
7. Combinación de diferentes modelos para el aprendizaje de conjunto
8. Aplicación del aprendizaje automático al análisis de opiniones
9. Pronóstico de variables objetivo continua con análisis de regresión
10. El trabajo con datos no etiquetados: análisis de clustering
11. Implementación de una red neuronal artificial multicapa desde cero
12. Paralelización de redes neuronales con PyTorch
13. Profundización: la mecánica de PyTorch
14. Clasificación de imágenes con redes neuronales convolucionales profundas
15. Modelado de datos secuenciales mediante redes neuronales recurrentes
16. Transformadores: mejora del procesamiento del lenguaje natural con mecanismos de atención
17. Redes generativas antagónicas con las que sintetizar nuevos datos
18. Redes neuronales de grafos para captar las dependencias en datos estructurados en grafos
19. Aprendizaje reforzado para la toma de decisiones en entornos complejos

*La edición digital no incluye códigos de acceso a material adicional o programas mencionados en el libro.