{"title":"Automatización","description":"","products":[{"product_id":"mastering-machine-learning-algorithms-expert-techniques-for-implementing-popular-machine-learning-algorithms-fine-tuning-your-models-and-understanding-how-they-work","title":"Mastering Machine Learning Algorithms: Expert Techniques for Implementing Popular Machine Learning Algorithms, Fine-tuning Your Models, and Understanding How They Work","description":"\u003cul class=\"a-unordered-list a-nostyle a-vertical a-spacing-none detail-bullet-list\"\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eEditorial ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003ePackt Publishing\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eFecha de publicación ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e31 Enero 2020\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eEdición ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003eSegunda edición.\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eIdioma ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003eInglés\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eNúmero de páginas ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e798 páginas\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eISBN-10 ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e1838820299\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eISBN-13 ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e978-1838820299\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003cp\u003eMastering Machine Learning Algorithms de Giuseppe Bonaccorso se presenta como una obra técnica indispensable para quienes buscan profundizar en el diseño y la implementación de modelos de inteligencia artificial avanzados. Esta guía especializada aborda con rigor los algoritmos más representativos del aprendizaje automático, proporcionando a los técnicos y profesionales del sector informático las herramientas necesarias para dominar desde los fundamentos hasta las técnicas más innovadoras de optimización y ajuste fino de modelos. A través de sus páginas, el lector encontrará explicaciones detalladas sobre cómo funcionan internamente estas potentes herramientas matemáticas y cómo aplicarlas de manera eficiente en entornos reales de computación.\u003c\/p\u003e\n\u003cp\u003eEl contenido del libro está diseñado para que el lector aprenda a implementar algoritmos populares y a perfeccionar el rendimiento de sus sistemas mediante técnicas expertas de fine-tuning. Al ser un recurso orientado a un público técnico especializado, se enfoca en la resolución de problemas complejos y en el entendimiento profundo de la lógica algorítmica, permitiendo que los desarrolladores y científicos de datos eleven sus capacidades profesionales al siguiente nivel. Con un enfoque práctico y actualizado, esta obra de la editorial Packt Publishing Ltd se convierte en un aliado estratégico para cualquier experto que desee mantenerse a la vanguardia tecnológica en el campo del procesamiento de datos y la analítica predictiva.\u003c\/p\u003e\n\u003cp\u003eIdeal para ingenieros y especialistas en software que buscan excelencia técnica, este manual garantiza una comprensión exhaustiva de los pilares que sostienen la inteligencia artificial moderna. Perfecciona tus habilidades técnicas y lleva tus modelos de aprendizaje automático a un nivel superior con esta guía experta de referencia global.\u003c\/p\u003e\n\u003cp\u003e\u003cspan class=\"a-text-bold\"\u003eUpdated and revised second edition of the bestselling guide to exploring and mastering the most important algorithms for solving complex machine learning problems\u003c\/span\u003e\u003c\/p\u003e\n\u003ch4\u003e\u003cem\u003eKey Features\u003c\/em\u003e\u003c\/h4\u003e\n\u003cul class=\"a-unordered-list a-vertical\"\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eUpdated to include new algorithms and techniques\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eCode updated to Python 3.8 \u0026amp; TensorFlow 2.x\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eNew coverage of regression analysis, time series analysis, deep learning models, and cutting-edge applications\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003e\u003cem\u003eBook Description\u003c\/em\u003e\u003c\/h4\u003e\n\u003cp\u003e\u003cem\u003eMastering Machine Learning Algorithms, Second Edition helps you harness the real power of machine learning algorithms in order to implement smarter ways of meeting today's overwhelming data needs. This newly updated and revised guide will help you master algorithms used widely in semi-supervised learning, reinforcement learning, supervised learning, and unsupervised learning domains.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cem\u003eYou will use all the modern libraries from the Python ecosystem - including NumPy and Keras - to extract features from varied complexities of data. Ranging from Bayesian models to the Markov chain Monte Carlo algorithm to Hidden Markov models, this machine learning book teaches you how to extract features from your dataset, perform complex dimensionality reduction, and train supervised and semi-supervised models by making use of Python-based libraries such as scikit-learn. You will also discover practical applications for complex techniques such as maximum likelihood estimation, Hebbian learning, and ensemble learning, and how to use TensorFlow 2.x to train effective deep neural networks.\u003c\/em\u003e\u003c\/p\u003e\n\u003cp\u003e\u003cem\u003eBy the end of this book, you will be ready to implement and solve end-to-end machine learning problems and use case scenarios.\u003c\/em\u003e\u003c\/p\u003e\n\u003ch4\u003e\u003cem\u003eWhat you will learn\u003c\/em\u003e\u003c\/h4\u003e\n\u003cul class=\"a-unordered-list a-vertical\"\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eUnderstand the characteristics of a machine learning algorithm\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eImplement algorithms from supervised, semi-supervised, unsupervised, and RL domains\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eLearn how regression works in time-series analysis and risk prediction\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eCreate, model, and train complex probabilistic models\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eCluster high-dimensional data and evaluate model accuracy\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eDiscover how artificial neural networks work - train, optimize, and validate them\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eWork with autoencoders, Hebbian networks, and GANs\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch4\u003e\u003cem\u003eWho this book is for\u003c\/em\u003e\u003c\/h4\u003e\n\u003cp\u003e\u003cem\u003eThis book is for data science professionals who want to delve into complex ML algorithms to understand how various machine learning models can be built. Knowledge of Python programming is required.\u003c\/em\u003e\u003c\/p\u003e\n\u003ch4\u003e\u003cem\u003eTable of Contents\u003c\/em\u003e\u003c\/h4\u003e\n\u003col class=\"a-ordered-list a-vertical\"\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eMachine Learning Model Fundamentals\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eLoss functions and Regularization\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eIntroduction to Semi-Supervised Learning\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eAdvanced Semi-Supervised Classifiation\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eGraph-based Semi-Supervised Learning\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eClustering and Unsupervised Models\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eAdvanced Clustering and Unsupervised Models\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eClustering and Unsupervised Models for Marketing\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eGeneralized Linear Models and Regression\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eIntroduction to Time-Series Analysis\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eBayesian Networks and Hidden Markov Models\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eThe EM Algorithm\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eComponent Analysis and Dimensionality Reduction\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eHebbian Learning\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eFundamentals of Ensemble Learning\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eAdvanced Boosting Algorithms\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eModeling Neural Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eOptimizing Neural Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eDeep Convolutional Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eRecurrent Neural Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eAuto-Encoders\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eIntroduction to Generative Adversarial Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eDeep Belief Networks\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eIntroduction to Reinforcement Learning\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eAdvanced Policy Estimation Algorithms\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003c\/ol\u003e","brand":"Packt Publishing Ltd","offers":[{"title":"Nuevo","offer_id":48409983549681,"sku":"MLBONA9781838820299","price":72.0,"currency_code":"USD","in_stock":true},{"title":"Usado","offer_id":48409983582449,"sku":"MLBONA9781838820300","price":55.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0734\/4180\/4529\/files\/7165DyKirEL._SL1360.jpg?v=1784089608"},{"product_id":"data-mining-practical-machine-learning-tools-and-techniques","title":"Data Mining: Practical Machine Learning Tools and Techniques","description":"\u003cdiv id=\"detailBullets_feature_div\"\u003e\n\u003cul class=\"a-unordered-list a-nostyle a-vertical a-spacing-none detail-bullet-list\"\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eEditorial ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003eMorgan Kaufmann\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eFecha de publicación ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e15 Abril 2025\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eEdición ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e5a\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eIdioma ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003eInglés\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eNúmero de páginas ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e688 páginas\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eISBN-10 ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e0443158886\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003cli\u003e\u003cspan class=\"a-list-item\"\u003e\u003cspan class=\"a-text-bold\"\u003eISBN-13 ‏ : ‎\u003cspan\u003e \u003c\/span\u003e\u003c\/span\u003e\u003cspan\u003e978-0443158889\u003c\/span\u003e\u003c\/span\u003e\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003c\/div\u003e\n\u003cp\u003eEsta obra fundamental, escrita por los reconocidos expertos Ian H. Witten, Eibe Frank, Mark A. Hall y Christopher J. Pal, se posiciona como el recurso definitivo para dominar la intersección entre la minería de datos y el aprendizaje automático. A través de un enfoque que equilibra el rigor académico con la aplicación práctica, el texto guía al lector por los conceptos esenciales y las metodologías avanzadas necesarias para extraer conocimiento valioso a partir de grandes volúmenes de información. Con un estilo claro y directo, los autores desglosan técnicas de clasificación, asociación, agrupamiento y predicción numérica, asegurando que cada concepto sea comprensible y directamente aplicable a escenarios del mundo real.\u003c\/p\u003e\n\u003cp\u003eEl libro está diseñado principalmente para estudiantes universitarios de informática, científicos de datos y profesionales que buscan una base sólida en el manejo de herramientas de IA. El lector encontrará explicaciones detalladas sobre algoritmos clásicos y modernos, incluyendo árboles de decisión, modelos lineales y redes neuronales, además de aprender a evaluar la credibilidad de los modelos generados. Un valor añadido significativo es su integración con el software WEKA, permitiendo que los usuarios pasen rápidamente de la teoría a la implementación práctica de soluciones de minería de datos. Al profundizar en temas cruciales como el preprocesamiento de datos y la ética en la inteligencia artificial, esta guía asegura una formación integral y responsable.\u003c\/p\u003e\n\u003cp\u003eYa sea para destacar en el ámbito académico o para optimizar procesos de análisis en un entorno profesional, este manual proporciona las capacidades técnicas necesarias para transformar datos brutos en decisiones estratégicas de alto impacto. Adquiere este recurso esencial ahora mismo y comienza a construir el futuro de la analítica de datos con las técnicas más eficaces y actualizadas del sector.\u003c\/p\u003e\n\u003cp\u003e\u003cem\u003e**2026 Textbook and Academic Authors Association (TAA) Textbook Excellence \"Texty\" Award Winner**\u003cbr\u003e\u003cbr\u003e\u003cspan class=\"a-text-italic\"\u003eData Mining: Practical Machine Learning Tools and Techniques, Fifth Edition, \u003c\/span\u003eoffers a thorough grounding in machine learning concepts, along with practical advice on applying these tools and techniques in real-world data mining situations. This highly anticipated new edition of the most acclaimed work on data mining and machine learning teaches readers everything they need to know to get going, from preparing inputs, interpreting outputs, evaluating results, to the algorithmic methods at the heart of successful data mining approaches.\u003cbr\u003e\u003cbr\u003eExtensive updates reflect the technical changes and modernizations that have taken place in the field since the last edition, including more recent deep learning content on topics such as generative AI (GANs, VAEs, diffusion models), large language models (transformers, BERT and GPT models), and adversarial examples, as well as a comprehensive treatment of ethical and responsible artificial intelligence topics. Authors Ian H. Witten, Eibe Frank, Mark A. Hall, and Christopher J. Pal, along with new author James R. Foulds, include today’s techniques coupled with the methods at the leading edge of contemporary research\u003c\/em\u003e\u003c\/p\u003e\n\u003cul class=\"a-unordered-list a-vertical\"\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eProvides a thorough grounding in machine learning concepts, as well as practical advice on applying the tools and techniques to data mining projects\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003ePresents concrete tips and techniques for performance improvement that work by transforming the input or output in machine learning methods\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eFeatures in-depth information on deep learning and probabilistic models\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eCovers performance improvement techniques, including input preprocessing and combining output from different methods\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eProvides an appendix introducing the WEKA machine learning workbench and links to algorithm implementations in the software\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003cli style=\"font-style: italic;\"\u003e\u003cem\u003e\u003cspan class=\"a-list-item\"\u003eIncludes all-new exercises for each chapter\u003c\/span\u003e\u003c\/em\u003e\u003c\/li\u003e\n\u003c\/ul\u003e","brand":"Morgan Kaufmann","offers":[{"title":"Default Title","offer_id":48350980899057,"sku":"DATAMINWIT9780443158889","price":84.0,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0734\/4180\/4529\/files\/61hlvyEDdcL.jpg?v=1784084784"}],"url":"https:\/\/www.buholibreria.com\/collections\/automatizacion.oembed","provider":"Búho Cultura","version":"1.0","type":"link"}