MARC details
000 -CABECERA |
campo de control de longitud fija |
06469nam a2200445 4500 |
003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
campo de control |
OSt |
005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
campo de control |
20240326082441.0 |
008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
campo de control de longitud fija |
240323s2021 ck d|||| |||| 001 0 spa d |
020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
Número Internacional Estándar del Libro |
9789587787207 |
040 ## - FUENTE DE LA CATALOGACIÓN |
Agencia de catalogación original |
Co-BrCUA |
Idioma de catalogación |
spa |
Normas de descripción |
RCAA2 |
Centro/agencia transcriptor |
Co-BrCUA |
082 04 - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
Número de clasificación |
006.31 |
Clave de autor |
I616 2021 |
Número de edición |
23 |
245 ## - MENCIÓN DE TÍTULO |
Título |
Introducción al machine learning con matlab / |
Mención de responsabilidad, etc. |
Erik Valdemar Cuevas, Omar Avalos, Primitivo Emanuel y …[Otros mas]. |
250 ## - MENCIÓN DE EDICIÓN |
Mención de edición |
primera edición. |
260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. |
Lugar de publicación, distribución, etc. |
Bogotá : |
Nombre del editor, distribuidor, etc. |
Alpha Editorial, |
Fecha de publicación, distribución, etc. |
2021. |
300 ## - DESCRIPCIÓN FÍSICA |
Extensión |
245 páginas : |
Otras características físicas |
graficas, |
Dimensiones |
24 cm. |
336 ## - TIPO DE CONTENIDO |
Fuente |
rdacontent |
Término de tipo de contenido |
Texto |
Código de tipo de contenido |
txt |
337 ## - TIPO DE MEDIO |
Fuente |
rdamedia |
Nombre/término del tipo de medio |
Sin mediación |
Código del tipo de medio |
n |
338 ## - TIPO DE SOPORTE |
Fuente |
rdacarrier |
Nombre/término del tipo de soporte |
Volumen |
Código del tipo de soporte |
nc |
500 ## - NOTA GENERAL |
Nota general |
Incluye índice general al principio del texto. |
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 |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
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/><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.<br/>2.3.3. Herramientas gráficas<br/>2.3.3.1. Gráfica de líneas<br/>2.3.3.2. Gráfica de barras<br/>2.4. Algebra lineal<br/>2.3.3.3. Gráfica de cajas<br/>2.3.3.4. Histograma.<br/>2.4.1. Vectores y matrices.<br/>2.4.2. Suma, resta y producto escalar de vectores<br/>2.4.3. Norma vectorial.<br/>2.4.3.1. Norma 13<br/>2.4.3.2. Norma L<br/>2.4.4. Matrices<br/>2.4.4.1. Suma, resta y multiplicación de matrices..<br/>2.4.4.2. Multiplicación escalar de una matriz.<br/>2.4.4.3. Multiplicación de matrices<br/>2.4.5. Tipo de matrices..<br/>2.4.6. Descomposición de matrices<br/>2.4.6.1. Descomposición LU.<br/>2.4.6.2. Descomposición de los valores y vectores propios<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 3. Clasificación.<br/>3.1. Introducción<br/>3.2. Vecinos cercanos (k-NN)<br/>3.2.1. Ejemplo de clasificación utilizando k-NN en MATLAB.<br/>3.3. Regresión logística.<br/>3.3.1. Ejemplo de clasificación utilizando la regresión logística en MATLAB.<br/>3.4. Naive Bayes.<br/>3.4.1. Teorema de Bayes.<br/>3.4.2. Clasificador Naive Bayes...<br/>3.4.3. Ejemplo de clasificación Naive Bayes utilizando MATLAB<br/>3.5. Análisis del discriminante de Fisher<br/>3.5.1. Ejemplo de clasificación mediante discriminante de Fisher utilizando MATLAB<br/>3.6. Máquina de vector soporte (SVM).<br/>3.6.1. Ejemplo de clasificación con máquina vector soporte utilizando MATLAB<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 4. Regresión lineal.<br/>4.1. Introducción<br/>4.2. Regresión lineal simple.<br/>4.3. Mínimos cuadrados.<br/>4.4. Gradiente descendente en regresión lineal simple.<br/>4.5. Ecuación normal en regresión lineal simple...<br/>4.6. Regresión lineal múltiple. |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 5. Agrupamiento (clustering).<br/>5.1. Introducción.<br/>5.2. Algoritmo de K-means.<br/>5.2.1. El uso de K-means en MATLAB.<br/>5.3. Método de expectación-maximización<br/>5.3.1. Modelos de mezclas gaussianas.<br/>5.3.2. Estimación de máxima probabilidad.<br/>5.3.3. EM en una dimensión.<br/>5.3.4. EM en varias dimensiones.<br/>5.4. Agrupación jerárquica..<br/>5.4.1. Medidas de similaridad entre los clústeres.<br/>5.5. El algoritmo de Fuzzy C-means. |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 6. Reducción de dimensionalidad<br/>6.1. Introducción<br/>6.2. Análisis de componentes principales (PCA)<br/>6.2.1. Ejemplo en MATLAB de análisis de componentes principales (PCA)<br/>6.3. Análisis de componentes independientes (ICA).<br/>6.3.1. Distribuciones gaussianas no permitidas.<br/> 6.3.2. Estimación de máxima probabilidad.<br/>6.3.3. Ejemplo en MATLAB de análisis de componentes independientes (ICA)...<br/>6.4. Análisis de factor (FA).<br/>6.4.1. Ejemplo en MATLAB de análisis de factor (FA)<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 7. Métodos unidos<br/>7.1. Árboles de decisión<br/>7.2. Algoritmo CART<br/>7.3. Árboles de decisión para clasificación.<br/>7.4. Árboles de decisión para regresión.<br/>7.5. Funciones de MATLAB para árboles de decisión.<br/>7.6. El método Bootstrap<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 8. Reconocimiento de objetos.<br/>8.1. Comparación en imágenes a escala de grises<br/>8.2. Distancia entre patrones<br/>8.3. Distancia y correlación.<br/>8.4. La correlación cruzada normalizada.<br/>8.5. Coeficiente de correlación<br/>8.6. Reconocimiento de patrones usando el coeficiente de correlación<br/>8.7. Comparación de imágenes binarias.<br/>8.7.1. La transformación de distancia.<br/>8.7.2. El algoritmo de Chamfer<br/>8.8. Índice de relación de Chamfer<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 9. Estadística inferencial.<br/>9.1. Introducción<br/>9.2. Distribución de muestreo..<br/>9.2.1. Distribución normal.<br/>9.2.2. Distribución t.<br/>9.3. Estimación de parámetros<br/>9.3.1. Estimación por intervalos.<br/>9.4. Pruebas de hipótesis<br/> |
505 ## - NOTA DE CONTENIDO CON FORMATO |
Nota de contenido con formato |
CAPÍTULO 10. Evaluación del desempeño<br/>10.1. Introducción.<br/>10.2. Ajustes sobre las predicciones de un clasificador<br/>10.2.1. Tipos de errores<br/>10.2.2. Matriz de confusión<br/>10.3. Métricas para clasificadores.<br/>10.3.1. Exactitud (ACC).<br/>10.3.2. Razón de falsos positivos (FPR)<br/>10.3.3. Sensibilidad (VPR).<br/>10.3.4. Especificidad (SPC)<br/>10.3.5. Precisión<br/>10.3.6. F1.<br/>10.3.7. F2.<br/>10.4. Curva ROC...<br/>10.5. El balance entre el sesgo y la varianza<br/>10.6. Evaluación de modelos..<br/>10.6.1. Técnicas comunes de validación cruzada.<br/>10.7. Métricas de error en regresores lineales<br/> |
650 10 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
Aprendizaje automático (inteligencia artificial) |
9 (RLIN) |
8192 |
650 10 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
Inteligencia artificial |
Subdivisión general |
Aplicaciones |
9 (RLIN) |
8652 |
650 10 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
Término de materia o nombre geográfico como elemento de entrada |
Tecnología computacional |
9 (RLIN) |
35357 |
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
Nombre de persona |
Valdemar Cuevas, Erik |
9 (RLIN) |
35358 |
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
Nombre de persona |
Avalos, Omar |
9 (RLIN) |
35359 |
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
Nombre de persona |
Primitivo, Emanuel |
9 (RLIN) |
35360 |
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
Nombre de persona |
Valdivia, Arturo |
9 (RLIN) |
35361 |
700 ## - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
Nombre de persona |
Pérez, Marco Antonio |
9 (RLIN) |
35362 |
856 ## - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
Identificador Uniforme del Recurso |
<a href="9789587787214">9789587787214</a> |
942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
Fuente del sistema de clasificación o colocación |
Dewey Decimal Classification |
Tipo de ítem Koha |
Libro de Reserva |
Parte de la signatura que identifica el ejemplar (Parte del ítem) |
006.31 I619 2021 |