Aprendizaje en profundidad

Opiniones de los lectores

El libro ofrece una introducción exhaustiva al aprendizaje profundo, centrándose en sus fundamentos y principios matemáticos. Aunque es elogiado por sus explicaciones claras y su profundidad, los lectores potenciales deben tener cierta formación matemática para comprender plenamente el contenido. Sin embargo, el libro no es adecuado para quienes busquen aplicaciones prácticas u orientación sobre programación en Aprendizaje Profundo.

⬤ Explicaciones claras y concisas de temas complejos.
⬤ Se centra en los fundamentos matemáticos del Aprendizaje Profundo.
⬤ Accesible para lectores con conocimientos básicos de álgebra y algo de cálculo.
⬤ Ofrece un enfoque refrescante que hace hincapié en la geometría y las representaciones visuales.
⬤ Adecuado para un público amplio, incluidos ingenieros de software y principiantes.
⬤ Muchos lo encontraron útil para entender conceptos básicos antes de sumergirse en materiales más complejos.

⬤ Requiere una buena comprensión de cálculo y álgebra lineal, que puede no ser accesible para todos los lectores.
⬤ El libro no está pensado para quienes deseen implementar algoritmos o software de aprendizaje profundo.
⬤ A algunos críticos les pareció difícil en las secciones intermedias.
⬤ Es físicamente más pequeño de lo esperado, lo que puede decepcionar a algunos lectores.
⬤ La versión Kindle es difícil de leer debido a problemas de formato.

(basado en 48 opiniones de lectores)

Título original:

Deep Learning

Contenido del libro:

Una introducción accesible a la tecnología de inteligencia artificial que permite la visión por ordenador, el reconocimiento del habla, la traducción automática y los coches sin conductor.

El aprendizaje profundo es una tecnología de inteligencia artificial que permite la visión por ordenador, el reconocimiento de voz en teléfonos móviles, la traducción automática, los juegos de IA, los coches sin conductor y otras aplicaciones. Cuando utilizamos productos de consumo de Google, Microsoft, Facebook, Apple o Baidu, a menudo estamos interactuando con un sistema de aprendizaje profundo. En este volumen de la serie MIT Press Essential Knowledge, el informático John Kelleher ofrece una introducción accesible y concisa, pero completa, a la tecnología fundamental en el corazón de la revolución de la inteligencia artificial.

Kelleher explica que el aprendizaje profundo permite tomar decisiones basadas en datos identificando y extrayendo patrones de grandes conjuntos de datos; su capacidad para aprender de datos complejos hace que el aprendizaje profundo sea idóneo para aprovechar el rápido crecimiento de los macrodatos y la potencia de cálculo. Kelleher también explica algunos de los conceptos básicos del aprendizaje profundo, presenta la historia de los avances en este campo y analiza el estado actual de la técnica. Describe las arquitecturas de aprendizaje profundo más importantes, incluidos los autocodificadores, las redes neuronales recurrentes y las redes a corto plazo, así como desarrollos recientes como las redes generativas adversariales y las redes de cápsulas. También ofrece una introducción exhaustiva (y comprensible) a los dos algoritmos fundamentales del aprendizaje profundo: el descenso de gradiente y la retropropagación. Por último, Kelleher analiza el futuro del aprendizaje profundo: las principales tendencias, los posibles desarrollos y los retos más importantes.