Aprendizaje automático con Tensorflow

Opiniones de los lectores

El libro es apreciado por su enfoque práctico del aprendizaje automático y TensorFlow, con explicaciones claras y código bien comentado. Muchos críticos lo recomiendan como un recurso de iniciación útil para los recién llegados a este campo. Sin embargo, ha sido criticado por ser demasiado simplista, carecer de fundamentos matemáticos y contener ejemplos obsoletos que no funcionan con las últimas versiones de TensorFlow. Algunos usuarios encontraron la escritura inconexa y sintieron que se podía encontrar mejor información en línea.

⬤ Introducción práctica
⬤ bien organizado
⬤ explicaciones claras
⬤ grandes ejemplos con código anotado
⬤ adecuado para principiantes
⬤ estilo de enseñanza realista
⬤ bueno para reconstruir los conocimientos existentes.

⬤ Demasiado básico para usuarios experimentados
⬤ carece de rigor matemático
⬤ ejemplos anticuados y rotos
⬤ algunos encuentran la escritura pobre y tortuosa
⬤ segunda mitad se centra demasiado en temas más simples en lugar de TensorFlow específicos.

(basado en 22 opiniones de lectores)

Título original:

Machine Learning with Tensorflow

Contenido del libro:

Resumen

Machine Learning with TensorFlow ofrece a los lectores una base sólida en conceptos de aprendizaje automático, además de experiencia práctica en la codificación de TensorFlow con Python.

La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

TensorFlow, la biblioteca de Google para el aprendizaje automático a gran escala, simplifica los cálculos a menudo complejos representándolos como gráficos y asignando eficazmente partes de los gráficos a las máquinas de un clúster o a los procesadores de una sola máquina.

Acerca del libro

Machine Learning with TensorFlow ofrece a los lectores una base sólida en conceptos de aprendizaje automático, además de experiencia práctica en la codificación de TensorFlow con Python. Aprenderá los conceptos básicos trabajando con algoritmos clásicos de predicción, clasificación y agrupación. A continuación, pasarás a los capítulos más interesantes: exploración de conceptos de aprendizaje profundo como autocodificadores, redes neuronales recurrentes y aprendizaje por refuerzo. Digerir este libro y usted estará listo para usar TensorFlow para el aprendizaje de máquinas y aplicaciones de aprendizaje profundo de su cuenta.

Contenido

⬤ Emparejar sus tareas con los enfoques adecuados de aprendizaje automático y aprendizaje profundo.

⬤ Visualización de algoritmos con TensorBoard.

⬤ Comprender y utilizar las redes neuronales.

Sobre el lector

Escrito para desarrolladores experimentados con Python y conceptos algebraicos como vectores y matrices.

Sobre el autor

El autor Nishant Shukla es un investigador de visión por ordenador centrado en la aplicación de técnicas de aprendizaje automático en robótica.

El editor técnico principal, Kenneth Fricklas, es un experimentado desarrollador, autor y profesional del aprendizaje automático.

Índice

PARTE 1 - TU EQUIPO DE APRENDIZAJE AUTOMÁTICO.

⬤ Una odisea del aprendizaje automático.

⬤ Fundamentos de TensorFlow.

PARTE 2 - ALGORITMOS DE APRENDIZAJE.

⬤ Regresión lineal y más allá.

⬤ Una introducción a la clasificación.

⬤ Clasificación automática de datos.

⬤ Modelos de Markov ocultos.

PARTE 3 - EL PARADIGMA DE LAS REDES NEURONALES.

⬤ Un vistazo a los autocodificadores.

⬤ Aprendizaje por refuerzo.

⬤ Redes neuronales evolutivas.

⬤ Redes neuronales recurrentes.

⬤ Modelos secuencia a secuencia para chatbots.

⬤ Paisaje de utilidades.