Aprendizaje profundo aplicado con Python

Opiniones de los lectores

El libro ofrece una introducción práctica al aprendizaje profundo con proyectos prácticos y orientaciones claras, pero adolece de erratas y falta de material introductorio, lo que puede confundir a los lectores, sobre todo a los nuevos en este campo.

Gran introducción práctica, muchos proyectos, instrucciones claras paso a paso y buenos ejemplos. Muy recomendable para los entusiastas del aprendizaje profundo y de Python.

Numerosas erratas dificultan la lectura, y la falta de capítulos introductorios e instrucciones de instalación claras puede confundir a los principiantes.

(basado en 4 opiniones de lectores)

Título original:

Applied Deep Learning with Python

Contenido del libro:

Una guía práctica para el aprendizaje profundo llena de explicaciones intuitivas y atractivos ejemplos prácticos Características principales Diseñado para desarrollar de forma iterativa las habilidades de los usuarios de Python que no tienen una formación en ciencia de datos Cubre los conceptos fundamentales clave que necesitará saber al construir sistemas de aprendizaje profundo Lleno de ejercicios paso a paso y actividades para ayudar a construir las habilidades que necesita para el mundo real Descripción del libro

Con un enfoque que utiliza los últimos avances en el ecosistema Python, primero se le guiará a través del ecosistema Jupyter, bibliotecas de visualización clave y poderosas técnicas de saneamiento de datos antes de entrenar nuestro primer modelo predictivo. Exploraremos una variedad de enfoques de clasificación como las redes de vectores de soporte, los bosques de decisión aleatorios y los vecinos más cercanos a k para construir su comprensión antes de entrar en un territorio más complejo. No pasa nada si estos términos le parecen abrumadores; le mostraremos cómo ponerlos en práctica.

Nos basaremos en nuestra cobertura de clasificación echando un vistazo rápido al raspado web ético y a las visualizaciones interactivas para ayudarte a recopilar y presentar profesionalmente tus análisis. Es después de esto que empezamos a construir nuestra aplicación de aprendizaje profundo clave, una que tiene como objetivo predecir el precio futuro de Bitcoin basado en datos públicos históricos.

Al guiarlo a través de una red neuronal entrenada, exploraremos arquitecturas de red de aprendizaje profundo comunes (convolucional, recurrente, generativa adversarial) y nos ramificaremos en el aprendizaje de refuerzo profundo antes de sumergirnos en la optimización y evaluación del modelo. Haremos todo esto mientras se trabaja en una aplicación web lista para la producción que combina Tensorflow y Keras para producir un resultado fácil de usar significativa, dejándole con todas las habilidades que necesita para abordar y desarrollar sus propios proyectos de aprendizaje profundo del mundo real con confianza y eficacia. Lo que aprenderá Descubra cómo puede ensamblar y limpiar sus propios conjuntos de datos Desarrollar una estrategia de clasificación de aprendizaje automático a medida Construir, entrenar y mejorar sus propios modelos para resolver problemas únicos Trabajar con marcos listos para la producción como Tensorflow y Keras Explicar cómo funcionan las redes neuronales en términos claros y sencillos Comprender cómo implementar sus predicciones en la web A quién va dirigido este libro.

Si eres un programador de Python adentrándote en el mundo de la ciencia de datos, esta es la forma ideal de empezar. Tabla de contenidos Fundamentos de Jupyter Limpieza de datos y aprendizaje automático avanzado Web Scraping y visualizaciones interactivas Introducción a las redes neuronales y el aprendizaje profundo Arquitectura de modelos Evaluación de modelos Productización.