Gracias a varios logros innovadores, el 'deep learning' ha dado un gran impulso a todo el campo del 'machine learning'. Ahora, incluso programadores que no saben casi nada de esta tecnología pueden usar herramientas sencillas y eficaces para implementar programas capaces de aprender a partir de datos. Este 'best seller' utiliza ejemplos concretos, una teoría mínima y 'frameworks' de Python listos para la producción (Scikit Learn, Keras y TensorFlow) para ayudarte a obtener una comprensión intuitiva de los conceptos y herramientas para crear sistemas inteligentes. Con esta tercera edición actualizada, el autor Aurélien Géron explora una variedad de técnicas que van desde una regresión lineal simple a redes neuronales profundas. Hay ejemplos de código y ejercicios por todo el libro para ayudarte a aplicar lo que has aprendido, lo único que necesitas para empezar es experiencia en programación: * Utiliza Scikit-Learn para hacer un seguimiento de un proyecto de 'machine learning' de ejemplo de principio a fin. * Explora varios modelos, incluyendo máquinas de vectores soporte, árboles de decisión, 'random forests' y métodos de ensamblaje. * Aprovecha técnicas de aprendizaje no supervisado, como la reducción de dimensionalidad, el agrupamiento y la detección de anomalías. * Sumérgete en arquitecturas de redes neuronales, incluyendo redes convolucionales, redes recurrentes, redes generativas antagónicas, autocodificadores, modelos de difusión y transformadores. * Utiliza TensorFlow y Keras para crear y entrenar redes neuronales para visión por ordenador, procesamiento del lenguaje natural, modelos generativos y aprendizaje profundo por refuerzo.