EcuadorEcuador
Detalle
ISBN 978-9942-562-18-0

Guía General de Machine E-Learning 1

Autor:Pachacama Cabezas, Elvis David
Editorial:Instituto Superior Tecnológico Quito
Materia:Educación superior
Público objetivo:Enseñanza universitaria o superior
Publicado:2026-03-02
Número de edición:1
Tamaño:2.19Mb
Soporte:Digital
Formato:Pdf (.pdf)
Idioma:Español
Libros relacionados
Memorias conocimientos sin fronteras
Implementación de una clínica para la mujer en el cantón Daule - Barriga Pizarro, Mabel Elizabeth; Carreño Villavicencio, Dianexy Viviana; Moreira Ponce, Leiter Estuardo; Carchi Zalamea, Aaron Moisés; Cedeño Mina, Lisbeth Carolina
Guía Práctico Experimental de Animación Digital - Tayupanta Gallo, Ángel Andrés
Guía General de Contexto y cultura en el desarrollo de Videojuegos - Urgilés Pillalaza, Alexis Xavier
Ecosistemas de soluciones: Nuevas fronteras en tecnología, sociedad, resiliencia empresarial y conservación - Apaza Luque, Herbert Jhon; Huillca García, Wilber; Puma León, Margot Alicia; Carrasco Díaz, Sergio Oswaldo; Jimenez Fernández, Wilmer Magno; Parihuaman Quinde, Geraldina Rebeca; Román Rossi, María Amparo; Morales Cabrera, Nikita Iván; Ibárcena Fernández, Lorenzo Walter; Pastor Cuba, Ruslan Alfredo; De La Cruz Urrutia, Lucia Lourdes; Miranda Vilchez, Jorge Luis; Miranda Vilchez, Walter Abel; Sánchez Rubio, María Edelmira; Pérez Loayza, Hermelinda; Lozada Asparria, Elsa Margarita; Gonzales Palma, Josselyne Denise; Melecio Belisario, Carlos Reyes; Cano Valencia, Giannina Patricia; Atencio Rivera, Mery Nora; Atayupanqui Nina, Augusto Fernando; Pajuelo Navarro, Gino Alberto; Rijalba Palacios, Pablo; Gomez Albinagorta, Santos Alejandro; Solano Arana, Vilder Marcelo; Solano Guerreros, Vilder Evel Junior; Merchán Gordillo, Mario Augusto; Bermúdez Mendieta, Jhon; Eras Lévano, César Jesús; Lozano Zanelly, Glenn Alberto; Guevara Gómez, Hilda Elizabeth; Lizarbe Castro, María Victoria; Ruiz Jaramillo, Raimer Lartsimin; Gü

Reseña

La asignatura de Machine E-learning ofrece una inmersión profunda en el estudio y aplicación de algoritmos que permiten a las computadoras aprender de datos y realizar predicciones y decisiones sin ser explícitamente programadas para cada tarea. Este curso se centra en proporcionar una comprensión integral de las técnicas y herramientas clave utilizadas en el campo del aprendizaje automático.

A lo largo de la asignatura, se explorarán definiciones esenciales como aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. Además, se abordarán técnicas específicas como regresión lineal, árboles de decisión. Máquinas de soporte vectorial, redes neuronales y métodos de ensemble. Los estudiantes utilizaran herramientas prácticas como Python, scikit-learn, TensorFlow y Keras para implementar y experimentar con estos algoritmos en situaciones reales.

Contáctenos:

Eloy Alfaro N29-61 e Inglaterra, 9° Piso. / Tel. +593 2 2553311 / +593 2 2553314