MACHINE LEARNING Y DEEP LEARNING (Registro nro. 1000)
[ vista simple ]
| 000 -CABECERA | |
|---|---|
| campo de control de longitud fija | 04579nam a22001937a 4500 |
| 003 - NUMERO DE CONTROL DE IDENTIFICACIÓN | |
| campo de control | OSt |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN | |
| campo de control | 20240430153053.0 |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL | |
| campo de control de longitud fija | 230418b |||||||| |||| 00| 0 eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO (ISBN) | |
| Número Internacional Estándar del Libro (ISBN) | 978-958-792-145-8 |
| 040 ## - FUENTE DE LA CATALOGACIÓN | |
| Centro catalogador/agencia de origen | B-ISTTENA |
| 041 ## - CÓDIGO DE LENGUA | |
| Código de lengua del texto/banda sonora o título independiente | Esp |
| 245 ## - MENCIÓN DE TÍTULO | |
| Título | MACHINE LEARNING Y DEEP LEARNING |
| Resto del título | Usando Python, Scikit y Keras |
| Mención de responsabilidad, etc | Jesús Bobadilla |
| 250 ## - MENCIÓN DE EDICIÓN | |
| Mención de edición | 1era Ed. |
| 260 ## - PUBLICATION, DISTRIBUTION, ETC. | |
| Lugar de publicación, distribución, etc. | Colombia |
| Nombre del editor, distribuidor, etc. | Ediciones de la U |
| Fecha de publicación, distribución, etc. | 2021 |
| 300 ## - DESCRIPCIÓN FÍSICA | |
| Extensión | 294 p. |
| Dimensiones | 24x17 cm |
| 505 ## - NOTA DE CONTENIDO CON FORMATO | |
| Nota de contenido con formato | INDICE <br/>-ACERCA DEL AUTOR<br/>-CAPÍTULO 1. INTRODUCCIÓN<br/>1.1 TIPOS DE MACHINE LEARNING<br/>1.2 TRATANDO CON DATOS<br/>1.3 MEDICIÓN DE LA CALIDAD<br/>1.4 MEJORA DEL MODELO.<br/>-CAPÍTULO 2. DATASETS.....<br/>2.1 DATASET DE DIABETES (REGRESIÓN)<br/>2.2 DATASET BOSTON (REGRESIÓN).<br/>2.3 DATASET DE LIRIOS (CLASIFICACIÓN).<br/>2.4 DATASET DE CANCER DE PECHO (CLASIFICACIÓN).<br/>2.5 DATASET DE VINOS (CLASIFICACIÓN)..<br/>2.6 DATASET GENERADO MAKE BLOBS (CLASIFICACIÓN)<br/>2.7 DATASET GENERADO MAKE REGRESSION (REGRESSION)<br/>2.8 DATASET GENERADO MAKE MOONS (CLASIFICACIÓN Y CLUSTERING)<br/>2.9 DATASET MNIST (CLASIFICACIÓN).<br/>2.10 CARAS DE OLIVETTI (CLASIFICACIÓN).<br/>2.10.1 Caras etiquetadas "in the wild": LFW (clasificación)<br/>-CAPÍTULO 3. REGRESIÓN<br/>3.1 MODELOS DE REGRESIÓN<br/>3.1.1 Regresión lineal (desde cero)<br/>3.1.2 Regresión lineal usando Scikit<br/>3.1.3 Regresión Polinómica (desde cero).<br/>3.1.4 Regresión polinomial desde cero (enfoque de gradiente descendente<br/>3.1.5 Regresión de los K vecinos más cercanos (K-Nearest Neighbors o KNN) desde cero.<br/>3.1.6 Regresión por K vecinos más cercanos (KNN) usando librerias Scikit<br/>3.1.7 Regresión Kernel Gaussiana (Gaussian Kernel Regression) desde cero.<br/>3.1.8 Regresión Kernel Gaussiana usando librerias Scikit<br/>3.1.9 Regresión Ridge (forma cerrada)<br/>3.1.10 Ridge Regression usando librerias de Scikit<br/>3.1.11 Regresión Lasso usando librerias de Scikit.<br/>3.1.12 Regresión Elastic Net usando librerias de Scikit<br/>3.2 ANALISIS DE CALIDAD EN LA REGRESIÓN LINEAL<br/>-CAPÍTULO 4. CLASIFICACIÓN<br/>4.1 MODELOS DE CLASIFICACIÓN<br/>4.1.1 Regresión Logistica (Logistic Regression) desde cero<br/>4.1.2 Regresión Logistica (clasificación) usando librerias Scikit...<br/>4.1.3 Clasificación K vecinos más cercanos (K Nearest Neighbours)<br/>4.1.4 Support Vector Machines (SVM) using Scikir libraries<br/>4.1.5 Arboles de Decisión usando librerias de Scikit.<br/>4.1.6 Random Forest usando librerias de Scikit<br/>4.2 ANÁLISIS DE CALIDAD DE LOS MÉTODOS DE CLASIFICACIÓN<br/>-CAPÍTULO 5. CLUSTERING.<br/>5.1 ALGORITMOS DE CLUSTERING<br/>5.1.1 K-Means (K-medias) desde cero.<br/>5.1.2 K means usando las librerías de Scikit.<br/>5.1.3 DBSCAN basado en densidad, desde cero<br/>5.1.4 DBSCAN basado en densidad, usando SCiKit<br/>5.1.5 Clustering Acumulativo (Agglomerative clustering), usando Scikit.<br/>5.2 MEDIDA DE CALIDAD DEL CLUSTERING.<br/>-CAPITULO 6. REDUCCIÓN DE DIMENSIONES.<br/>6.1 FACTORIZACIÓN MATRICIAL USANDO SCIKIT<br/>6.2 ANÁLISIS DE COMPONENTES PRINCIPALES (PCA),<br/>-USANDO SCIKIT<br/>-CAPÍTULO 7. REDES NEURONALES<br/>7.1 LA NEURONA BIOLÓGICA<br/>7.2 LA NEURONA ARTIFICIAL<br/>7.3 APRENDIZAJE HEBBIANO<br/>7.4 EL PERCEPTRÓN<br/>7.5 REDES MULTICAPA Y EL ALGORITMO BACK PROPAGATION.<br/>7.6 DEMOSTRACIÓN DEL ALGORITMO BACK PROPAGATION<br/>-CAPÍTULO 8. CLASIFICACIÓN USANDO REDES NEURONALES.<br/>8.1 CLASIFICACIÓN DEL DATASET MNIST.<br/>8.2 CLASIFICACIÓN DEL DATASET FASHION MNIST.<br/>8.3 CLASIFICACIÓN DEL DATASET CIFAR 100..<br/>-CAPÍTULO 9. REDES CONVOLUCIONALES.<br/>-CONCEPTOS BÁSICOS<br/>-CAPÍTULO 10. CLASIFICACIÓN USANDO REDES CONVOLUCIONALES EN DATASETS SENCILLOS<br/>10.1 CLASIFICACIÓN DEL DATASET MNIST<br/>10.2 CLASIFICACIÓN DEL DATASET CIFAR 100.<br/>10.3 CLASIFICACIÓN DEL DATASET FASHION MNIST.<br/>-CAPÍTULO 11. GENERADORES DE DATOS.<br/>11.1 CLASIFICACIÓN USANDO EL DATASET: DOGS AND CATS<br/>11.2 DATA GENERATORS<br/>-CAPÍTULO 12. ENRIQUECIMIENTO DE DATOS (DATA AUGMENTATION)...<br/>12.1 ENRIQUECIMIENTO DE DATOS. ENFOQUE I.<br/>12.2 ENRIQUECIMIENTO DE DATOS. ENFOQUE II<br/>-CAPÍTULO 13. VISUALIZACIÓN DE LAS CAPAS OCULTAS.<br/>13.1 MAPAS DE ACTIVACIÓN EN EL DATASET 'DOGS AND CATS'<br/>13.2 MAPAS DE ACTIVACIÓN EN EL DATASET MNIST<br/>-CAPÍTULO 14. APRENDIZAJE POR TRANSFERENCIA (TRANSFER LEARNING)<br/>14.1 REUTILIZACIÓN DEL MODELO VGG16.<br/>14.2 REFINADO DEL MODELO VGG16<br/>143 TRANSFER LEARNING EN DOS ETAPAS<br/>-CAPÍTULO 15. AUTOENCODERS.<br/>15.1 AUTOENCODER DE UNA SOLA CAPA...<br/>15.2 AUTOENCODER EN VARIAS CAPAS<br/>15.3 AUTOENCODERS CONVOLUCIONALES<br/>15,4 VISUALIZACIÓN DEL ESPACIO MULTIDIMENSIONAL<br/>-CAPÍTULO 16. APRENDIZAJE GENERATIVO.<br/>-MATERIAL ADICIONAL |
| 650 ## - | |
| Término de materia o nombre geográfico como elemento de entrada | Base de datos |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) | |
| Código de la institución [OBSOLETO] | B-ISTTENA |
| Tipo de ítem Koha | Libros |
| Fecha de Catalogación | 18/04/2023 |
| Catalogador | Rosa Alvarado |
| Fecha de adquisición | 13/04/2023 |
| Localización permanente | Fecha de adquisición | Fuente de adquisición | Número de inventario | Código de barras | Número de copia | Tipo de ítem Koha |
|---|---|---|---|---|---|---|
| Instituto Superior Tecnológico Tena | 04/13/2023 | DONACIÓN | ISTT-DS-0212 | ISTT-DS-0212 | Ej. 1/1 | Libros |