000 | 03176nam a22003137a 4500 | ||
---|---|---|---|
003 | OSt | ||
005 | 20250224143046.0 | ||
008 | 250220t2020 xxu||||| |||| 00| 0 spa d | ||
020 | _a9781617296178 | ||
040 |
_aUnicoc _bspa _c00001 _d00001 |
||
082 | _a006.31 | ||
100 |
_911627 _aCai, Shanqing |
||
245 |
_aAprendizaje profundo con JavaScript _b: Redes neuronales en TensorFlow.js _c/ Shanqing Cai, Stanley Bileschi, Eric D. Nielsen, François Chollet |
||
260 |
_aEstados Unidos : _bManning _c2020 |
||
300 |
_axxiii, 533 Paginas _bIlustraciones, Mapas y Cuadros |
||
505 |
_t1 Aprendizaje profundo y JavaScript. -- _t1.1 Inteligencia artificial, aprendizaje automático, redes neuronales. -- _t1.2 ¿Por qué combinar JavaScript y aprendizaje automático?. -- _t1.3 ¿Por qué TensorFlow.js?. -- _t2 Primeros pasos: regresión lineal simple en TensorFlow.j. -- _t2.3 Regresión lineal con múltiples funciones de entrada. -- _t2.4 Cómo interpretar su modelo. -- _t3 Adición de no linealidad: más allá de las sumas ponderada. -- _t3 Adición de no linealidad: más allá de las sumas ponderada. -- _t3.1 No linealidad: qué es y para qué sirve. -- _t3.3 Clasificación multiclase. -- _t4 Reconocimiento de imágenes y sonidos usando convnets. -- _t4 Reconocimiento de imágenes y sonidos usando convnets. -- _t4.1 De vectores a tensores: representación de imágenes. -- _t4.4 Reconocimiento de palabras habladas: aplicación de convnets en datos de audio. -- _t5 Transferencia de aprendizaje: reutilización de redes neuronales preentrenadas. -- _t6 Trabajar con datos. -- _t6.2 Modelos de entrenamiento con model.fitDataset. -- _t6.3 Patrones comunes para acceder a datos. -- _t7 Visualización de datos y modelos. -- _t7.2 Visualización de modelos después del entrenamiento. -- _t8 Underfitting, overfitting y el flujo de trabajo universal de aprendizaje automático. -- _t8.2 Ajuste insuficiente, sobreajuste y contramedidas. -- _t9 Aprendizaje profundo para secuencias y texto. -- _t9.2 Creación de modelos de aprendizaje profundo para texto. -- _t10 Aprendizaje profundo generativo. -- _t11 Conceptos básicos del aprendizaje por refuerzo profundo. -- _t11 Conceptos básicos del aprendizaje por refuerzo profundo. -- _t11.3 Redes de valor y Q-learning: El juego de la serpiente. -- _t12 Probar, optimizar e implementar modelos. -- _t12 Probar, optimizar e implementar modelos. -- _t12.2 Optimización del modelo. -- _t13.1 Conceptos clave en revisión. |
||
526 | _5Unicoc | ||
546 | _aEspañol | ||
650 | 0 |
_910466 _aProgramación (Computadores electrónicos digitales) |
|
650 | 0 |
_910540 _aInteligencia Artificial |
|
650 | 0 |
_911649 _aJavascript |
|
650 | 0 |
_910357 _aDiseño de programas para computador |
|
658 | 0 |
_98220 _aPrograma de Ingeniería de Sistemas |
|
700 |
_911624 _aBileschi, Stanley _eAutor. |
||
700 |
_911625 _aNielsen, Eric D. _eAutor. |
||
700 |
_911626 _aChollet, François _eAutor. |
||
856 |
_uhttps://unicoceduco-my.sharepoint.com/:b:/g/personal/direccionbiblioteca_unicoc_edu_co/EU-o5QgksPVKrjUHSEvH4IQBxFb9Wtd_RP6H6qj7chz4jA?e=CiDsYc _yAcceso online exclusivo para comunidad Unicoc. |
||
942 |
_2ddc _cEBOOK |
||
999 |
_c10322 _d10322 |