TÉCNICAS Y HERRAMIENTAS DE MACHINE LEARNING PARA LA IA A TRAVÉS DE PYTHON. APRENDIZAJE SUPERVISADO: SUPPORT VECTOR MACHINE, ENSAMBLADO DE MODELOS Y REDES NEURONALES

Las técnicas de inteligencia artificial son los métodos y enfoques utilizados para desarrollar sistemas que pueden realizar tareas que normalmente requieren inteligencia humana. El aprendizaje automático es una rama de la IA que permite a las máquinas aprender a partir de datos sin ser explícitamente programadas para realizar tareas específicas. La mayoría de las técnicas de aprendizaje automático supervisado se desarrollan a lo largo de este libro desde un punto de vista metodológico y desde un punto de vista práctico con aplicaciones a través del software Python. Se profundiza en las siguientes técnicas: Vecino más cercano (kNN), Support Vector Machine (SVM), Naive Bayes, Métodos de ensamblado, Bagging, Boosting, Voting, Stacking, Blending, Random Forest, Redes Neuronales, Perceptrón Multicapa, Redes de Base Radial, Redes de Hopfield, Redes LSTM, Redes Recurrentes RNN, Redes GRU y Redes Neuronales para Predicción de Series Temporales. En este libro se utilizaràn, entre otras, las herramientas TensorFlow, Keras, PyTorch y Scikit-learn. El desarrollo de las técnicas se realiza a través del lenguaje de programación Python.