Catálogo Biblioteca Central UCSM

Introduccion al Machine Learning con Matlab (Registro nro. 64353)

Detalles MARC
000 -CABECERA
campo de control de longitud fija 00619nam a2200193Ia 4500
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL
campo de control OSt
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN
campo de control 20181023043908.0
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL
campo de control de longitud fija 181022s9999||||xx |||||||||||||| ||spa||
040 ## - FUENTE DE LA CATALOGACIÓN
Centro/agencia transcriptor Centro de Información y Bibliotecas
082 ## - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY
Número de clasificación 621.3011.CUEV.00
100 ## - ENTRADA PRINCIPAL--NOMBRE DE PERSONA
Nombre de persona Cuevas, Erick
Término indicativo de función/relación Autor
245 #0 - MENCIÓN DE TÍTULO
Título Introduccion al Machine Learning con Matlab
250 ## - MENCIÓN DE EDICIÓN
Mención de edición 1A. ed
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Lugar de publicación, distribución, etc. ESPAÑA
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Nombre del editor, distribuidor, etc. MARCOMBO
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC.
Fecha de publicación, distribución, etc. 2021
300 ## - DESCRIPCIÓN FÍSICA
Extensión 245 PP
300 ## - DESCRIPCIÓN FÍSICA
Dimensiones 24.0 cm
505 ## - NOTA DE CONTENIDO CON FORMATO
Nota de contenido con formato Capítulo 1. Fundamentos del Machine Learning<br/>. -- 1.1. Introducción<br/>. -- 1.2. Conceptos Sobre Datos<br/>. -- 1.3. Conceptos Sobre Aprendizaje<br/>. -- 1.4. Tipos de Problemas<br/>. -- 1.5. Tipos de Datos<br/>. -- 1.6. Tipos de Aprendizajes<br/>. -- 1.7. Etapas de Implementación del Aprendizaje Máquina<br/>. -- 1.8. Exploración y Preparación de Datos<br/>. -- 1.9. Visualización de Datos<br/>. -- Referencias<br/>. -- Capítulo 2. Bases Matemáticas<br/>. -- 2.1. Introducción<br/>. -- 2.2. Probabilidad<br/>. -- 2.2.1. Variables Aleatorias Discretas<br/>. -- 2.2.2. Reglas Fundamentales<br/>. -- 2.2.2.1. Probabilidad de la Unión de Dos Elementos<br/>. -- 2.2.2.2. Probabilidad de la Intersección de Dos Elementos<br/>. -- 2.2.2.3. Probabilidad Condicional<br/>. -- 2.2.3. Algunas Distribuciones Comunes<br/>. -- 2.2.3.1. Distribución Binomial y Bernoulli<br/>. -- 2.2.3.2. Distribución Multinomial<br/>. -- 2.2.3.3. Distribución de Poisson<br/>. -- 2.2.3.4. Distribución Uniforme<br/>. -- 2.2.3.5. Distribución Normal (Gaussiana)<br/>. -- 2.3. Estadística<br/>. -- 2.3.1. Medidas de Tendencia Central<br/>. -- 2.3.1.1. Media Aritmética<br/>. -- 2.3.1.2. Mediana<br/>. -- 2.3.1.3. Moda<br/>. -- 2.3.2. Medidas de Variabilidad<br/>. -- 2.3.2.1. Varianza<br/>. -- 2.3.2.2. Desviación Estándar<br/>. -- 2.3.2.3. Rango 2.3.3. Herramientas Gráficas 2.3.3.1. Gráfica de Líneas 2.3.3.2. Gráfica de Barras 2.3.3.3. Gráfica de Cajas 2.3.3.4. Histograma 2.4. Álgebra Lineal 2.4.1. Vectores y Matrices 2.4.2. Suma, Resta y Producto Escalar de Vectores 2.4.3. Norma Vectorial 2.4.3.1. Norma L 1 2.4.3.2. Norma L 2 2.4.4. Matrices 2.4.4.1. Suma, Resta y Multiplicación de Matrices 2.4.4.2. Multiplicación Escalar de una Matriz 2.4.4.3. Multiplicación de Matrices 2.4.5. Tipo de Matrices 2.4.6. Descomposición de Matrices 2.4.6.1. Descomposición Lu 2.4.6.2. Descomposición de los Valores y Vectores Propios Referencias Capítulo 3. Clasificación 3.1. Introducción 3.2. Vecinos Cercanos (K-Nn) 3.2.1. Ejemplo de Clasificación Utilizando K-Nn en Matlab 3.3. Regresión Logística 3.3.1. Ejemplo de Clasificación Utilizando la Regresión Logística en Matlab 3.4. Naive Bayes 3.4.1. Teorema de Bayes 3.4.2. Clasificador Naive Bayes 3.4.3. Ejemplo de Clasificación Naive Bayes Utilizando Matlab 3.5. Análisis del Discriminante de Fisher 3.5.1. Ejemplo de Clasificación Mediante Discriminante de Fisher Utilizando Matlab . 3.6. Máquina de Vector Soporte (Svm) 3.6.1. Ejemplo de Clasificación con Máquina Vector Soporte Utilizando Matlab .. Referencias Capítulo 4. Regresión Lineal 4.1. Introducción 4.2. Regresión Lineal Simple 4.3. Mínimos Cuadrados 4.4. Gradiente Descendente en Regresión Lineal Simple 4.5. Ecuación Normal en Regresión Lineal Simple 4.6. Regresión Lineal Múltiple Referencias Capítulo 5. Agrupamiento (Clustering) 5.1. Introducción 5.2. Algoritmo de K-Means 5.2.1. el Uso de K-Means en Matlab 5.3. Método de Expectación-Maximización 5.3.1. Modelos de Mezclas Gaussianas 5.3.2. Estimación de Máxima Probabilidad 5.3.3. Em en una Dimensión<br/>. -- 5.3.4. Em en Varias Dimensiones 5.4. Agrupación Jerárquica 5.4.1. Medidas de Similaridad Entre los Clústeres 5.5. el Algoritmo de Fuzzy C-Means Referencias Capítulo 6. Reducción de Dimensionalidad 6.1. Introducción 6.2. Análisis de Componentes Principales (Pca) 6.2.1. Ejemplo en Matlab de Análisis de Componentes Principales (Pca) 6.3. Análisis de Componentes Independientes (Ica) 6.3.1. Distribuciones Gaussianas no Permitidas 6.3.2. Estimación de Máxima Probabilidad 6.3.3. Ejemplo en Matlab de Análisis de Componentes Independientes (Ica) 6.4. Análisis de Factor (Fa) 6.4.1. Ejemplo en Matlab de Análisis de Factor (Fa) Referencias Capítulo 7. Métodos Unidos 7.1. Árboles de Decisión 7.2. Algoritmo Cart 7.3. Árboles de Decisión para Clasificación 7.4. Árboles de Decisión para Regresión 7.5. Funciones de Matlab para Árboles de Decisión 7.6. el Método Bootstrap Referencias Capítulo 8. Reconocimiento de Objetos 8.1. Comparación en Imágenes a Escala de Grises 8.2. Distancia Entre Patrones 8.3. Distancia y Correlación 8.4. la Correlación Cruzada Normalizada 8.5. Coeficiente de Correlación 8.6. Reconocimiento de Patrones Usando el Coeficiente de Correlación 8.7. Comparación de Imágenes Binarias 8.7.1. la Transformación de Distancia 8.7.2. el Algoritmo de Chamfer 8.8. Índice de Relación de Chamfer Referencias Capítulo 9. Estadística Inferencial 9.1. Introducción 9.2. Distribución de Muestreo 9.2.1. Distribución Normal 9.2.2. Distribución T 9.3. Estimación de Parámetros 9.3.1. Estimación por Intervalos 9.4. Pruebas de Hipótesis Referencias Capítulo 10. Evaluación del Desempeño 10.1. Introducción 10.2. Ajustes Sobre las Predicciones de un Clasificador 10.2.1. Tipos de Errores 10.2.2. Matriz de Confusión 10.3. Métricas para Clasificadores<br/>. -- 10.3.1. Exactitud (Acc) 10.3.2. Razón de Falsos Positivos (Fpr) 10.3.3. Sensibilidad (Vpr) 10.3.4. Especificidad (Spc) 10.3.5. Precisión 10.3.6. F1 10.3.7. F2 10.4. Curva Roc 10.5. el Balance Entre el Sesgo y la Varianza 10.6. Evaluación de Modelos 10.6.1. Técnicas Comunes de Validación Cruzada 10.7. Métricas de Error en Regresores Lineales Referencias
650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA
Término de materia o nombre geográfico como elemento de entrada PROGRAMACIÓN <br/> NUEVAS TECNOLOGÍAS <br/> TICS <br/> COMPUTACIÓN
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Avalos, Omar
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Díaz, Primitivo
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Valdivia, Arturo
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA
Nombre de persona Pérez, Marco
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA)
Tipo de ítem Koha Libros
Fuente del sistema de clasificación o colocación Dewey Decimal Classification
Existencias
Estado de retiro Estado de pérdida Estado dañado No para préstamo Código de colección Localización permanente Ubicación/localización actual Ubicación en estantería Fecha de adquisición Total de préstamos Signatura topográfica completa Código de barras Fecha visto por última vez Número de copia Precio válido a partir de Tipo de ítem Koha
        BIBCE-CSING (Biblioteca Central - 1er piso) Biblioteca Central Biblioteca Central   02/10/2024   621.3011.CUEV.00 73501 02/10/2024 1e. 02/10/2024 Libros