Aprendizaje Profundo Avanzado con TensorFlow 2 y Keras - Segunda Edición

Opiniones de los lectores

El libro está dirigido a profesionales avanzados de la inteligencia artificial y el aprendizaje profundo, y proporciona una introducción completa a arquitecturas de redes neuronales como MLP, CNN y RNN. Ofrece ejemplos prácticos y código conciso, pero asume un sólido conocimiento básico de IA.

⬤ Cobertura completa de los tipos de redes neuronales clave (MLP, CNN, RNN) con aplicaciones prácticas.
⬤ Introducción clara a Keras a través de TensorFlow para construir modelos.
⬤ Actualizaciones significativas en la nueva edición, añadiendo más de un 40% de contenido nuevo.
⬤ Adecuado tanto para profesionales avanzados como para aquellos que se encuentran entre los niveles de principiante y experto.
⬤ Explicaciones simplificadas de conceptos avanzados como GANs, autoencoders y aprendizaje por refuerzo.
⬤ Material autorizado y bien estructurado.

⬤ Asume que el lector tiene sólidos conocimientos básicos de IA y aprendizaje profundo, lo que puede suponer un obstáculo para los principiantes.
⬤ El uso de la GPU no se menciona en la descripción del libro.
⬤ Cobertura limitada fuera de la visión por computador, especialmente en temas de PNL.
⬤ Algunos usuarios informaron de problemas técnicos con la ejecución de código (por ejemplo, problemas con certificados SSL) que dificultaron el aprendizaje.
⬤ Algunas explicaciones carecen de profundidad y coherencia, lo que requiere recursos adicionales.

(basado en 11 opiniones de lectores)

Título original:

Advanced Deep Learning with TensorFlow 2 and Keras - Second Edition

Contenido del libro:

Segunda edición actualizada y revisada de la guía más vendida para el aprendizaje profundo avanzado con TensorFlow 2 y Keras Características principales Explore las técnicas de aprendizaje profundo más avanzadas que impulsan los resultados modernos de IA Nueva cobertura del aprendizaje profundo no supervisado utilizando información mutua, detección de objetos y segmentación semántica Completamente actualizado para TensorFlow 2. x Descripción del libro.

Advanced Deep Learning with TensorFlow 2 and Keras, Second Edition es una edición completamente actualizada de la guía más vendida de las técnicas avanzadas de aprendizaje profundo disponibles en la actualidad. Revisada para TensorFlow 2.x, esta edición le introduce en el lado práctico del aprendizaje profundo con nuevos capítulos sobre aprendizaje no supervisado utilizando información mutua, detección de objetos (SSD) y segmentación semántica (FCN y PSPNet), permitiéndole además crear sus propios proyectos de IA de vanguardia.

Utilizando Keras como biblioteca de aprendizaje profundo de código abierto, el libro presenta proyectos prácticos que le muestran cómo crear una IA más eficaz con las técnicas más actualizadas.

Comenzando con una visión general de los perceptrones multicapa (MLP), las redes neuronales convolucionales (CNN) y las redes neuronales recurrentes (RNN), el libro presenta técnicas más avanzadas a medida que explora arquitecturas de redes neuronales profundas, como ResNet y DenseNet, y cómo crear autocodificadores. A continuación, aprenderá sobre las GAN y cómo pueden desbloquear nuevos niveles de rendimiento de la IA.

A continuación, descubrirá cómo se implementa un autoencoder variacional (VAE) y cómo los GAN y los VAE tienen el poder generativo de sintetizar datos que pueden ser extremadamente convincentes para los humanos. También aprenderá a implementar DRL como Deep Q-Learning y Policy Gradient Methods, que son fundamentales para muchos resultados modernos en IA. Lo que aprenderá Utilizar técnicas de maximización de la información mutua para realizar un aprendizaje no supervisado Utilizar la segmentación para identificar la clase por píxel de cada objeto en una imagen Identificar tanto el cuadro delimitador como la clase de objetos en una imagen utilizando la detección de objetos Aprender los bloques de construcción para técnicas avanzadas - MLPss, CNN, y RNNs Comprender las redes neuronales profundas - incluyendo ResNet y DenseNet Comprender y construir modelos autorregresivos - autoencoders, VAEs, y GANs Descubrir e implementar métodos profundos de aprendizaje por refuerzo A quién va dirigido este libro.

Este no es un libro introductorio, por lo que se requiere soltura con Python. El lector también debe estar familiarizado con algunos enfoques de aprendizaje automático, y la experiencia práctica con DL también será útil. El conocimiento de Keras o TensorFlow 2.0 no es necesario pero sí recomendable. Tabla de contenidos Introducción al aprendizaje profundo avanzado con Keras Redes neuronales profundas Autoencoders Generative Adversarial Networks (GANs) Improved GANs Disentangled Representation GANs Cross-Domain GANs Variational Autoencoders (VAEs) Deep Reinforcement Learning Policy Gradient Methods Object Detection Semantic Segmentation Unsupervised Learning Using Mutual Information.