Aprendizaje de Tensorflow: Guía para construir sistemas de aprendizaje profundo

Opiniones de los lectores

El libro 'Learning TensorFlow' recibe críticas mixtas, con algunos lectores apreciando sus explicaciones claras y ejemplos prácticos, mientras que otros lo critican por estar mal escrito, carecer de profundidad, y por ser demasiado similar a la documentación disponible en línea. Muchos lo consideran útil para principiantes con conocimientos previos de programación, mientras que otros creen que es obsoleto o insuficiente para un verdadero aprendizaje.

⬤ Llega en excelentes condiciones.
⬤ Bueno para aquellos con algo de experiencia en Python que quieran aprender los fundamentos de TensorFlow.
⬤ Cubre aspectos importantes como pipelines de entrada, threading y computación distribuida.
⬤ Proporciona ejemplos prácticos que se pueden consolidar en proyectos.
⬤ Explicaciones claras y bien estructuradas en su mayor parte.

⬤ Algunas críticas lo describen como pobremente escrito y editado.
⬤ Le falta profundidad en las explicaciones y contexto para principiantes.
⬤ Contiene mucho contenido que se puede encontrar en línea, lo que lo hace parecer redundante.
⬤ Críticas por no ser una guía exhaustiva y por utilizar conjuntos de datos comunes (MNIST, CIFAR).
⬤ Algunos usuarios sienten la necesidad de más contexto y material sobre temas avanzados.

(basado en 35 opiniones de lectores)

Título original:

Learning Tensorflow: A Guide to Building Deep Learning Systems

Contenido del libro:

Inspiradas aproximadamente en el cerebro humano, las redes neuronales profundas entrenadas con grandes cantidades de datos pueden resolver tareas complejas con una precisión sin precedentes. Este práctico libro proporciona una guía completa de TensorFlow, la biblioteca de software de código abierto líder que le ayuda a construir y entrenar redes neuronales para visión por ordenador, procesamiento del lenguaje natural (PLN), reconocimiento de voz y análisis predictivo general.

Los autores Tom Hope, Yehezkel Resheff e Itay Lieder ofrecen un enfoque práctico de los fundamentos de TensorFlow para una amplia audiencia técnica, desde científicos de datos e ingenieros hasta estudiantes e investigadores. Comenzará trabajando con algunos ejemplos básicos en TensorFlow antes de profundizar en temas como las arquitecturas de redes neuronales, la visualización en TensorBoard, las bibliotecas de abstracción de TensorFlow y los pipelines de entrada multihilo. Una vez que termine este libro, sabrá cómo construir y desplegar sistemas de aprendizaje profundo listos para la producción en TensorFlow.

⬤ Póngase en marcha con TensorFlow, rápidamente y sin dolor.

⬤ Aprenda a utilizar TensorFlow para crear modelos de aprendizaje profundo desde cero.

⬤ Entrenar modelos populares de aprendizaje profundo para visión por computador y PNL.

⬤ Utilizar extensas bibliotecas de abstracción para hacer el desarrollo más fácil y más rápido.

⬤ Aprender a escalar TensorFlow, y el uso de clusters para distribuir la formación del modelo.

⬤ Implementar TensorFlow en un entorno de producción.