Aprendizaje profundo avanzado con Keras

Opiniones de los lectores

Las reseñas destacan 'Advanced Deep Learning with Keras' como un excelente recurso para comprender y aplicar en la práctica las técnicas de aprendizaje profundo. El libro destaca por su exhaustiva cobertura de temas como las redes generativas adversariales (GAN), los autocodificadores variacionales (VAE) y el aprendizaje por refuerzo, y proporciona ejemplos prácticos e implementaciones de código con Keras. Sin embargo, algunos usuarios informaron de problemas técnicos con la versión Kindle, experimentando congelaciones y bloqueos.

⬤ Cobertura completa de temas avanzados de aprendizaje profundo, incluyendo GANs, VAEs y aprendizaje por refuerzo.
⬤ Buen equilibrio entre aplicaciones prácticas, matemáticas y explicaciones.
⬤ Bien escrito y fácil de entender tanto para principiantes como para programadores experimentados.
⬤ Proporciona ejemplos de código claros y conocimientos prácticos para el uso de Keras.
⬤ Altamente recomendado por los lectores para construir aplicaciones en deep learning.

⬤ Problemas técnicos reportados con la versión Kindle, incluyendo congelación y cuelgues.
⬤ Algunos usuarios pueden encontrar los temas avanzados difíciles sin conocimientos previos.

(basado en 8 opiniones de lectores)

Título original:

Advanced Deep Learning with Keras

Contenido del libro:

Nota del editor: Esta edición de 2018 está obsoleta y no es compatible con TensorFlow 2 ni con ninguna de las actualizaciones más recientes de las bibliotecas de Python. Ya se ha publicado una nueva segunda edición, actualizada para 2020 y con TensorFlow 2 y cobertura del aprendizaje no supervisado mediante información mutua, detección de objetos y segmentación semántica.

Una guía completa de técnicas avanzadas de aprendizaje profundo, incluyendo autoencoders, GANs, VAEs, y el aprendizaje profundo de refuerzo que impulsan los resultados más impresionantes de la IA de hoy.

Características principales

⬤ Explore las técnicas de aprendizaje profundo más avanzadas que impulsan los resultados modernos de IA.

⬤ Implemente redes neuronales profundas, autoencoders, GANs, VAEs, y aprendizaje de refuerzo profundo.

⬤ Un amplio estudio de GANs, incluyendo GANs Mejorados, GANs de Dominio Cruzado, y GANs de Representación Desenredada.

Descripción del libro:

Los recientes avances en el aprendizaje profundo, incluidas las redes generativas adversariales (GAN), los autocodificadores variacionales (VAE) y el aprendizaje profundo por refuerzo (DRL) están creando resultados impresionantes de IA en nuestros titulares de noticias, como AlphaGo Zero que vence a los campeones mundiales de ajedrez, y la IA generativa que puede crear pinturas de arte que se venden por más de $ 400k porque son tan parecidas a las humanas.

Advanced Deep Learning with Keras es una guía completa de las técnicas avanzadas de aprendizaje profundo disponibles en la actualidad, para que pueda crear su propia IA de vanguardia. Utilizando Keras como biblioteca de aprendizaje profundo de código abierto, encontrará proyectos prácticos que le mostrarán cómo crear una IA más eficaz con las últimas técnicas.

El viaje comienza con una visión general de MLPs, CNNs y RNNs, que son los bloques de construcción para las técnicas más avanzadas en el libro. Aprenderás a implementar modelos de aprendizaje profundo con Keras y TensorFlow 1.x, y avanzarás hacia técnicas avanzadas, a medida que exploras arquitecturas de redes neuronales profundas, incluyendo ResNet y DenseNet, y cómo crear autocodificadores. A continuación, aprenderá todo sobre las GAN y cómo pueden abrir nuevos niveles de rendimiento de la IA. A continuación, se pondrá al día sobre cómo se implementan los VAE, y verá cómo los GAN y los VAE tienen el poder generativo de sintetizar datos que pueden ser extremadamente convincentes para los humanos, un gran avance para la IA moderna. Para completar este conjunto de técnicas avanzadas, aprenderás a implementar DRL como Deep Q-Learning y Policy Gradient Methods, que son fundamentales para muchos resultados modernos en IA.

Lo que aprenderá:

⬤ Técnicas de vanguardia en el rendimiento de IA similar a la humana.

⬤ Implementar modelos avanzados de aprendizaje profundo utilizando Keras.

⬤ Los bloques de construcción para técnicas avanzadas - MLPs, CNNs y RNNs.

⬤ Redes neuronales profundas - ResNet y DenseNet.

⬤ Autocodificadores y autocodificadores variacionales (VAEs).

⬤ Redes generativas adversariales (GAN) y técnicas creativas de IA.

⬤ GANs de Representación Desenredada y GANs de Dominio Cruzado.

⬤ Métodos de aprendizaje de refuerzo profundo e implementación.

⬤ Producir aplicaciones estándar de la industria utilizando OpenAI Gym.

⬤ Métodos profundos de Q-Learning y Policy Gradient.

Para quién es este libro:

Se asume cierta fluidez con Python. Como libro avanzado, estará familiarizado con algunos enfoques de aprendizaje automático, y alguna experiencia práctica con DL será útil. El conocimiento de Keras o TensorFlow 1. x no es necesario pero sería útil.