Aprendizaje profundo desde cero: Construir con Python a partir de los primeros principios

Opiniones de los lectores

El libro ofrece una introducción completa a la codificación de redes neuronales desde cero, con ejemplos de código útiles y explicaciones intuitivas. Sin embargo, adolece de problemas importantes, como código incompleto, explicaciones matemáticas deficientes y errores a lo largo de todo el libro, lo que lleva a la frustración de muchos lectores. Aunque la versión en línea puede ser más beneficiosa que la impresa, en general, el libro tiene una acogida desigual.

Bien organizado, conceptos claramente explicados, amplios ejemplos de código, enfoque único en la codificación de redes neuronales desde cero, buen recurso para comprender los fundamentos del aprendizaje profundo.

Errores frecuentes, código incompleto, matemáticas mal explicadas, diagramas en blanco y negro, presentación desorganizada, y algunos lectores sintieron una falta de explicaciones de apoyo o intuiciones detrás de los conceptos.

(basado en 36 opiniones de lectores)

Título original:

Deep Learning from Scratch: Building with Python from First Principles

Contenido del libro:

Con el resurgimiento de las redes neuronales en la década de 2010, el aprendizaje profundo se ha convertido en algo esencial para los profesionales del aprendizaje automático e incluso para muchos ingenieros de software. Este libro ofrece una introducción completa para científicos de datos e ingenieros de software con experiencia en aprendizaje automático. Comenzará con los conceptos básicos del aprendizaje profundo y pasará rápidamente a los detalles de importantes arquitecturas avanzadas, implementando todo desde cero por el camino.

El autor, Seth Weidman, le mostrará cómo funcionan las redes neuronales utilizando un enfoque de primeros principios. Aprenderá a aplicar redes neuronales multicapa, redes neuronales convolucionales y redes neuronales recurrentes desde cero. Con un conocimiento profundo de cómo funcionan las redes neuronales desde el punto de vista matemático, computacional y conceptual, estará preparado para el éxito en todos los futuros proyectos de aprendizaje profundo.

Este libro proporciona:

⬤ Modelos mentales extremadamente claros y completos -acompañados de ejemplos de código de trabajo y explicaciones matemáticas- para comprender las redes neuronales.

⬤ Métodos para implementar redes neuronales multicapa desde cero, utilizando un marco orientado a objetos fácil de entender.

⬤ Implementaciones prácticas y explicaciones claras de redes neuronales convolucionales y recurrentes.

⬤ Implementación de estos conceptos de redes neuronales utilizando el popular framework PyTorch.