CAPÍTULO 1: Comprender el aprendizaje automático : ¿Qué es el Machine Learning o aprendizaje automático?. -- Aprendizaje iterativo a partir de datos. -- Definición de Big Data. -- Big Data en contexto con aprendizaje automático. -- La necesidad de entender y confiar en sus datos. -- La importancia de la nube híbrida. -- Las funciones de las estadísticas y la minería de datos con Aprendizaje automático. -- Redes neuronales y aprendizaje profundo. -- CAPITULO 2: Aplicar el aprendizaje automático. -- Uso del aprendizaje automático para eliminar sesgos de la estrategia. -- Comprensión de técnicas de aprendizaje automático. -- Aplicar el aprendizaje automático a las necesidades empresariales. -- Reconocer quién ha cometido un delito. -- Prevenir que ocurran accidentes. -- CAPÍTULO 3: Una mirada al interior del aprendizaje automático : El impacto del aprendizaje automático en las aplicaciones. -- El papel de los algoritmos. -- Tipos de algoritmos de aprendizaje automático. -- Entrenamiento de sistemas de aprendizaje automático. -- Preparación de datos. -- El ciclo de aprendizaje de máquina. -- CAPÍTULO 4: Comenzando con el aprendizaje automático. -- Determinar el mejor modelo de aprendizaje. -- Paso 1: Definir una oportunidad de crecimiento. -- Paso 2: Realización de un proyecto piloto. -- Paso 3: Evaluación. -- Paso 3: Evaluación. -- Paso 4: Próximas acciones. -- Herramientas para determinar la selección de algoritmos. -- Selección de herramienta de aproximación. -- CAPÍTULO 5: Habilidades de la máquina de aprendizaje. -- Definir las habilidades que necesita. -- Recursos recomendados por IBM. -- CAPÍTULO 6: Uso del aprendizaje automático para proporcionar Soluciones a problemas empresariales. -- Aplicación del aprendizaje automático a la salud del paciente. -- Aprovechar la IoT para crear resultados más predecibles. -- La protección contra el fraude. -- CAPÍTULO 7: Diez predicciones sobre el futuro del aprendizaje automático.

Unicoc 109967

Español