Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how. By using concrete examples, minimal theory, and two production-ready Python frameworks―Scikit-Learn and TensorFlow―author Aurélien Géron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You’ll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you’ve learned, all you need is programming experience to get started. Explore the machine learning landscape, particularly neural nets Use Scikit-Learn to track an example machine-learning project end-to-end Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods Use the TensorFlow library to build and train neural nets Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning Learn techniques for training and scaling deep neural nets

Más sobre este libro
Aprendizaje automático en sus proyectos

Entonces, naturalmente, ¡estás entusiasmado con el aprendizaje automático y te encantaría unirte a la fiesta! ¿Quizás le gustaría darle a su robot casero un cerebro propio? ¿Hacer que reconozca caras? ¿O enseñarle a caminar? O tal vez su empresa tiene toneladas de datos (registros de usuarios, datos financieros, datos de producción, datos de sensores de máquinas, estadísticas de línea directa, informes de recursos humanos, etc.), y probablemente podría desenterrar algunas gemas ocultas si supiera dónde buscar. Con Machine Learning, puede lograr lo siguiente:

Segmentar clientes y encontrar la mejor estrategia de marketing para cada grupo
Recomendar productos para cada cliente en función de lo que compraron clientes similares.
Detectar qué transacciones pueden ser fraudulentas
Pronosticar los ingresos del próximo año
Y más

1
Objetivo y enfoque

Este libro asume que no sabe casi nada sobre el aprendizaje automático. Su objetivo es brindarle los conceptos, las herramientas y la intuición que necesita para implementar programas capaces de aprender de los datos . Cubriremos una gran cantidad de técnicas, desde las más simples y de uso más común (como la regresión lineal) hasta algunas de las técnicas de Deep Learning que regularmente ganan concursos.

En lugar de implementar nuestras propias versiones de juguete de cada algoritmo, usaremos marcos de Python listos para producción:

cikit-Learn es muy fácil de usar, pero implementa muchos algoritmos de Machine Learning de manera eficiente, por lo que es un excelente punto de entrada para aprender Machine Learning.
TensorFlow es una biblioteca más compleja para el cálculo numérico distribuido. Hace posible entrenar y ejecutar redes neuronales muy grandes de manera eficiente al distribuir los cálculos en potencialmente cientos de servidores multi-GPU. TensorFlow se creó en Google y es compatible con muchas de sus aplicaciones a gran escala. Ha sido de código abierto desde noviembre de 2015, con la versión 2.0 lanzada en octubre de 2019.

Keras es una API de aprendizaje profundo de alto nivel que hace que sea muy sencillo entrenar y ejecutar redes neuronales. Puede ejecutarse sobre TensorFlow, Theano o Microsoft Cognitive Toolkit (anteriormente conocido como CNTK). TensorFlow viene con su propia implementación de esta API, llamada tf.keras , que brinda soporte para algunas funciones avanzadas de TensorFlow (p. Ej., La capacidad de cargar datos de manera eficiente).

Biografía del autor
Aurelien Geron is a Machine Learning consultant, author of the O'Reilly book Hands-on Machine Learning with Scikit-Learn and TensorFlow. A former Googler, he led YouTube's video classification team from 2013 to 2016. He was also a founder and CTO of Wifirst from 2002 to 2012, a leading Wireless ISP in France, and a founder and CTO of Polyconseil in 2001, the firm that now manages the electric car sharing service Autolib. Before this, he worked as a software engineer in a variety of domains: finance, defense, health care, and more.