El Catálogo Colectivo reúne los registros del material que posee cada una de las
bibliotecas de la Universidad Nacional de Córdoba, pudiendo encontrarse colecciones
especializadas y actualizadas en todas las áreas del conocimiento; lo que permite una
amplia visibilidad y garantiza el acceso al patrimonio documental de la Universidad.
Se encuentra disponible para toda la comunidad académica: estudiantes, docentes,
egresados e investigadores.
Si formas parte de la comunidad de la UNC también podés solicitar préstamos de material,
a cualquier biblioteca universitaria, utilizando el servicio de préstamo interbibliotecario,
independientemente de la facultad a la que pertenezcas, la carrera que curses o la cátedra
que dictes.
The elements of statistical learning : data mining, inference, and prediction /
Este libro describe las ideas importantes en una variedad de campos como la medicina, la biología, las finanzas y el marketing en un marco conceptual común. Aunque el enfoque es estadístico, se hace hincapié en los conceptos más que en las matemáticas. Se ofrecen muchos ejemplos, con un uso liberal...
|a The elements of statistical learning :
|b data mining, inference, and prediction /
|c Trevor Hastie, Robert Tibshirani, Jerome Friedman.
250
|a 2nd. ed.
260
|a New York, N.Y. :
|b Springer,
|c 2009
300
|a xxii, 745 p. :
|b il.
490
0
|a Springer series in statistics
504
|a Bibliografía: p. 699-727.
520
3
|a Este libro describe las ideas importantes en una variedad de campos como la medicina, la biología, las finanzas y el marketing en un marco conceptual común. Aunque el enfoque es estadístico, se hace hincapié en los conceptos más que en las matemáticas. Se ofrecen muchos ejemplos, con un uso liberal de gráficos en color. Se trata de un valioso recurso para los estadísticos y cualquier persona interesada en la extracción de datos en la ciencia o la industria. La cobertura del libro es amplia, desde el aprendizaje supervisado (predicción) hasta el aprendizaje no supervisado. Los numerosos temas incluyen redes neuronales, máquinas de vectores de soporte, árboles de clasificación y boosting, el primer tratamiento completo de este tema en un libro. Esta nueva e importante edición incluye muchos temas no tratados en el original, como los modelos gráficos, los bosques aleatorios, los métodos de conjunto, la regresión de ángulo mínimo y los algoritmos de trayectoria para el lazo, la factorización de matrices no negativas y la agrupación espectral. También hay un capítulo sobre métodos para datos "amplios" (p mayor que n), que incluye pruebas múltiples y tasas de falso descubrimiento. Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator
