Tienda
MACHINE LEARNING Y METAHEURÍSTICAS CON MATLAB. Fundamentos, Algoritmos y Aplicaciones
24,95 €
Entrenar un modelo es, en el fondo, un problema de optimización, y una búsqueda bien guiada es un problema de aprendizaje. Este libro reúne Machine Learning y metaheurísticas en un mismo recorrido y los lleva al código en MATLAB, para que entiendas qué hace cada algoritmo y por qué se comporta como lo hace, y puedas aplicarlo a tus propios problemas.
| Peso | 0,400 kg |
|---|---|
| Dimensiones | 1,39 × 17 × 23 cm |
| Autor | |
| ISBN | 9791399082739 |
| Nº Páginas | 262 |
| IBIC | UYQ, UYQM |
| Publicación | 16/11/2026 |
| Formato | Papel |
Cuando el aprendizaje automático y la optimización trabajan juntos, los problemas complejos dejan de ser inabordables.
Este libro presenta una visión integrada de dos áreas fundamentales de la inteligencia artificial y explora las posibilidades que ofrece su interacción.
La obra introduce los principales fundamentos y algoritmos de Machine Learning y metaheurísticas, y muestra cómo ambos paradigmas pueden complementarse para abordar problemas complejos de optimización y aprendizaje. Se estudia tanto el uso de técnicas de Machine Learning para mejorar las estrategias de búsqueda de los algoritmos metaheurísticos como la aplicación de metaheurísticas para optimizar modelos y procesos de aprendizaje automático.
Con un enfoque didáctico y práctico, el libro combina rigor conceptual, ejemplos y numerosas implementaciones en MATLAB, facilitando la experimentación y la comprensión del comportamiento de los algoritmos más allá de su utilización como simples «cajas negras».
Está dirigido a estudiantes y profesionales de ciencias, ingeniería, computación y matemáticas, así como a investigadores y desarrolladores interesados en aplicar estas técnicas a problemas reales.
Aprenderás a:
- Dominar los fundamentos y algoritmos principales de Machine Learning y de las metaheurísticas.
- Usar técnicas de Machine Learning para mejorar las estrategias de búsqueda de los algoritmos metaheurísticos.
- Aplicar metaheurísticas para optimizar modelos y procesos de aprendizaje automático.
- Implementar y experimentar con los algoritmos en MATLAB, sin tratarlos como «cajas negras».
🚀 ¿Por qué elegir este libro?
- 🎯 Aplicación inmediata: Numerosas implementaciones en MATLAB que puedes ejecutar, modificar y adaptar a tus propios problemas de optimización y aprendizaje.
- 🔬 Cobertura integrada: Dos áreas que suelen estudiarse por separado, tratadas en una sola obra y en las dos direcciones de su interacción.
- 🧠 Más allá del manual: Rigor conceptual y ejemplos orientados a comprender el comportamiento de los algoritmos, no solo a invocarlos.
- 📅 Contenido actualizado a 2026: Un enfoque alineado con la convergencia actual entre aprendizaje automático y optimización en inteligencia artificial.
👤 ¿A quién va dirigido?
- Estudiantes de ciencias, ingeniería, computación y matemáticas: Una base sólida y didáctica en ambas disciplinas, con código para practicar.
- Profesionales técnicos: Herramientas para plantear y resolver problemas complejos de optimización y aprendizaje en su trabajo.
- Investigadores: Un marco conceptual riguroso para explorar la hibridación entre Machine Learning y metaheurísticas.
- Desarrolladores: Implementaciones en MATLAB como punto de partida para aplicar estas técnicas a problemas reales.
📂 Índice y Primer Capítulo
✍️ Otros libros del mismo autor
Descubre más obras de Erik Cuevas, Jorge Gálvez y Omar Avalos y expande tus conocimientos en inteligencia artificial, optimización y programación científica.







