|
|
|
|
LEADER |
00000 a2200000 4500 |
001 |
ALPHAC_2251799823004040 |
003 |
XX-XxUND |
008 |
s2023 xx |||||||||||| ||||und d |
020 |
|
|
|a 9789587788907
|
035 |
|
|
|a 9789587788907
|
100 |
1 |
|
|a Mirjalili, V.,Hayden, Y,Raschka, S.
|e author
|
245 |
1 |
|
|a Machine Learning con PyTorch y Scikit-Learn
|
260 |
|
|
|a España
|b España
|c 2023-06-02 14:39:12
|
300 |
|
|
|a 790
|
520 |
|
|
|a En los últimos años, los métodos de Machine Learning (en castellano, aprendizaje automático), con su capacidad para dar sentido a grandes cantidades de datos y automatizar decisiones, han encontrado amplias aplicaciones en la sanidad, la robótica, la biología, la física, los productos de consumo, los servicios de Internet y otros sectores.Los saltos de gigante en la ciencia suelen provenir de una combinación de ideas poderosas y grandes herramientas. El aprendizaje automático no es una excepción. El éxito de los métodos de aprendizaje basados en datos se debe a las ingeniosas ideas de miles de investigadores con talento a lo largo de los 60 años de historia en este campo. Pero su reciente popularidad también se debe a la evolución de las soluciones de hardware y soft ware que los hacen escalables y accesibles. El ecosistema de excelentes librerías para la computación numérica, el análisis de datos y el aprendizaje automático creadas en torno a Python, como NumPy y Scikit-learn, ha conseguido una amplia acogida en la investigación y la industria. Esto ha contribuido en gran medida a que Python sea el lenguaje de programación más popular.Si desea adquirir el libro impreso ingrese aquí
|
754 |
1 |
|
|a category
|c Ingenierías
|
856 |
4 |
|
|u https://alphaeditorialcloud.uam.elogim.com/reader/machine-learning-con-pytorch-y-scikit-learn
|z Texto completo
|