Sistemas de Aprendizaje Automático

Emilio Soria Olivas, Manuel Antonio Sánchez-Montañes Isla, Ruth Gamero Cruz, Caballero Borja Castillo

• Editorial: RA-MA, S.A. Editorial y Publicaciones
• Año: 2026
• ISBN del libro electrónico:
  9788419444981
• Categoría: Ciencia de la computación
• Categoría: Procesamiento del lenguaje natural

El presente libro tiene una clara vocación didáctica, se dirige a todas las personas que quieren adentrarse en el apasionante campo del aprendizaje automático combinando la teórica con la práctica para que sea sencillo asimilar las explicaciones. En esta obra se revisan los algoritmos más comunes y su implementación en Python. Comienza con una introducción a las claves que han impulsado nuestra sociedad hacia "la era de los datos" y explora cómo, mediante técnicas de aprendizaje automático, obtener partido a la inmensa cantidad de datos que hoy nos rodea. A continuación, se presenta el aprendizaje no supervisado con sus principales algoritmos y usos: agrupamiento, manifolds, reglas de asociación y algoritmos de detección de anomalías. Le sigue el aprendizaje supervisado; partiendo del modelo más simple, modelo lineal multivariante, se llega a las Máquinas de Soporte Vectorial (SVM). Finalmente, finaliza con el aprendizaje profundo (gran parte de lo que denominamos Inteligencia Artificial) donde se explican, de una manera sencilla e intuitiva, los perceptrones multicapa profundos, las redes convolucionales profundas (CNN) y los modelos recurrentes Long Short Term Memory (LSTM). Esta obra contiene numerosas aplicaciones prácticas con su código Python que podrá descargar desde la web del libro. ¿Te lo vas a perder? El libro contiene material adicional que podrá descargar accediendo a la ficha del libro en www.ra-ma.es. Los contenidos adaptados al Curso de Especialización en Inteligencia Artificial y Big Data.

Índice

• AUTORES
• INTRODUCCIÓN AL LIBRO
• CAPÍTULO 1. INTRODUCCIÓN
• CAPÍTULO 2. APRENDIZAJE NO SUPERVISADO
• CAPÍTULO 3. APRENDIZAJE SUPERVISADO
• CAPÍTULO 4. APRENDIZAJE PROFUNDO
• REFERENCIAS
• SITIOS WEB RECOMENDADOS
• MATERIAL ADICIONAL