Introducción al machine learning con MATLAB /
Introducción al machine learning con MATLAB /
Erik Valdemar Cuevas ... [y otros cuatro].
- Primera edición
- 245 páginas : gráficas, ilustraciones ; 24 cm
Incluye índice.
Incluye referencias bibliográficas al final de cada capítulo.
Capítulo 1. Fundamentos del Machine Learning. -- Capítulo 2. Bases matemáticas. -- Capítulo 3. Clasificación. -- Capítulo 4. Regresión lineal. -- Capítulo 5. Agrupamiento (clustering) -- Capítulo 6. Reducción de dimensionalidad. -- Capítulo 7. Métodos unidos. -- Capítulo 8. Reconocimiento de objetos. -- Capítulo 9. Estadística inferencial. -- Capítulo 10. Evaluación de desempeño.
El Machine Learning representa una herramienta importante para la exploración y la extracción de conocimiento. Su principal objetivo es construir modelos que permitan describir posibles patrones estructurales en la información a partir de los datos, con el objetivo de tomar decisiones o hacer predicciones.
En la última década, el número de usuarios de Machine Learning ha crecido de forma espectacular, pero muchos han presentado grandes dificultades a la hora de generar un plan adecuado que les permita pasar de los conceptos fundamentales a la solución de problemas en sus áreas de interés. El objetivo de este libro es brindar una visión particular de los principales métodos de Machine Learning y de su implementación, es decir, proveer de los principales conceptos en los que se basan estos métodos y aplicarlos a problemas típicos del procesamiento de datos.
El libro se fundamenta en MATLAB, el cual es considerado hoy en día como un estándar en la programación científica e industrial. MATLAB contiene, dentro de sus funciones, poderosos métodos numéricos que pueden ser adaptados a aplicaciones particulares. Bajo estas condiciones, el usuario puede estar más concentrado en la estructura de su aplicación que en la programación misma.
9788426732828
MATLAB (Programa para computador).
Aprendizaje automático (Inteligencia artificial).
Inteligencia computacional.
005.3 / I61i 2021
Incluye índice.
Incluye referencias bibliográficas al final de cada capítulo.
Capítulo 1. Fundamentos del Machine Learning. -- Capítulo 2. Bases matemáticas. -- Capítulo 3. Clasificación. -- Capítulo 4. Regresión lineal. -- Capítulo 5. Agrupamiento (clustering) -- Capítulo 6. Reducción de dimensionalidad. -- Capítulo 7. Métodos unidos. -- Capítulo 8. Reconocimiento de objetos. -- Capítulo 9. Estadística inferencial. -- Capítulo 10. Evaluación de desempeño.
El Machine Learning representa una herramienta importante para la exploración y la extracción de conocimiento. Su principal objetivo es construir modelos que permitan describir posibles patrones estructurales en la información a partir de los datos, con el objetivo de tomar decisiones o hacer predicciones.
En la última década, el número de usuarios de Machine Learning ha crecido de forma espectacular, pero muchos han presentado grandes dificultades a la hora de generar un plan adecuado que les permita pasar de los conceptos fundamentales a la solución de problemas en sus áreas de interés. El objetivo de este libro es brindar una visión particular de los principales métodos de Machine Learning y de su implementación, es decir, proveer de los principales conceptos en los que se basan estos métodos y aplicarlos a problemas típicos del procesamiento de datos.
El libro se fundamenta en MATLAB, el cual es considerado hoy en día como un estándar en la programación científica e industrial. MATLAB contiene, dentro de sus funciones, poderosos métodos numéricos que pueden ser adaptados a aplicaciones particulares. Bajo estas condiciones, el usuario puede estar más concentrado en la estructura de su aplicación que en la programación misma.
9788426732828
MATLAB (Programa para computador).
Aprendizaje automático (Inteligencia artificial).
Inteligencia computacional.
005.3 / I61i 2021
