Aprendizaje profundo con Python: Aprenda las mejores prácticas de los modelos de aprendizaje profundo con Pytorch

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 6 votos.

Título original:

Deep Learning with Python: Learn Best Practices of Deep Learning Models with Pytorch

Contenido del libro:

Domine los aspectos prácticos de la implementación de soluciones de aprendizaje profundo con PyTorch, utilizando un enfoque práctico para comprender tanto la teoría como la práctica. Esta edición actualizada le preparará para aplicar el aprendizaje profundo a problemas del mundo real con una sólida base teórica y conocimientos prácticos con PyTorch, una plataforma desarrollada por el Grupo de Investigación de Inteligencia Artificial de Facebook.

Comenzará con una perspectiva sobre cómo y por qué el aprendizaje profundo con PyTorch ha surgido como un marco innovador con un conjunto de herramientas y técnicas para resolver problemas del mundo real. A continuación, el libro le proporcionará los fundamentos matemáticos del álgebra lineal, el cálculo vectorial, la probabilidad y la optimización. Una vez establecida esta base, pasarás a los componentes y funcionalidades clave de PyTorch, incluyendo capas, funciones de pérdida y algoritmos de optimización.

También comprenderá el cálculo basado en unidades de procesamiento gráfico (GPU), que es esencial para entrenar modelos de aprendizaje profundo. Se cubren todas las arquitecturas clave del aprendizaje profundo, incluidas las redes feedforward, las redes neuronales de convolución, las redes neuronales recurrentes, las redes de memoria a corto plazo, los autocodificadores y las redes generativas adversariales. Con el respaldo de una serie de trucos del oficio para entrenar y optimizar modelos de aprendizaje profundo, esta edición de Deep Learning with Python explica las mejores prácticas para llevar estos modelos a la producción con PyTorch.

Lo que aprenderás

⬤ Revisar los fundamentos del aprendizaje automático como el sobreajuste, el infraajuste y la regularización.

⬤ Comprender los fundamentos de aprendizaje profundo, tales como redes de alimentación hacia adelante, redes neuronales de convolución, redes neuronales recurrentes, diferenciación automática y descenso de gradiente estocástico.

⬤ Aplicar álgebra lineal en profundidad con PyTorch.

⬤ Explorar los fundamentos de PyTorch y sus bloques de construcción.

⬤ Trabajar con modelos de ajuste y optimización.

Para quién es este libro

Principiantes con un conocimiento práctico de Python que quieran entender el Aprendizaje Profundo de una manera práctica.