Aprendizaje profundo: Fundamentos y conceptos

Opiniones de los lectores

Este libro está muy bien considerado como uno de los mejores recursos para comprender el aprendizaje profundo y el aprendizaje automático, ya que ofrece explicaciones claras y accesibles junto con fundamentos matemáticos rigurosos. Aunque bien estructurado y completo, ha recibido críticas por imprecisiones en detalles matemáticos y explicaciones deficientes en ciertas secciones de aprendizaje profundo.

⬤ El mejor libro sobre aprendizaje profundo según varios críticos.
⬤ Explicaciones accesibles e intuitivas manteniendo el rigor matemático.
⬤ Cubre una amplia gama de temas, incluyendo avances recientes como transformadores y modelos de difusión.
⬤ Impresión y encuadernación de alta calidad en las ediciones más recientes.
⬤ Bueno tanto para principiantes como para profesionales experimentados.
⬤ Bien organizado y pedagógicamente eficaz.

⬤ Los capítulos específicos sobre redes convolucionales y transformadores están mal explicados y carecen de profundidad.
⬤ Algunos errores matemáticos señalados por los lectores, lo que hace temer por la precisión de temas más complejos.
⬤ Se han señalado problemas iniciales de calidad de impresión, aunque ha mejorado en las ediciones más recientes.

(basado en 46 opiniones de lectores)

Título original:

Deep Learning: Foundations and Concepts

Contenido del libro:

Este libro ofrece una introducción exhaustiva a las ideas centrales que sustentan el aprendizaje profundo. Está dirigido tanto a los recién llegados al aprendizaje automático como a los que ya tienen experiencia en este campo. Abarcando conceptos clave relacionados con las arquitecturas y técnicas contemporáneas, este libro esencial equipa a los lectores con una base sólida para una posible especialización futura. El campo del aprendizaje profundo está experimentando una rápida evolución, por lo que este libro se centra en las ideas que probablemente superarán la prueba del tiempo.

El libro está organizado en numerosos capítulos del tamaño de un bocado, cada uno de los cuales explora un tema distinto, y la narración sigue una progresión lineal, en la que cada capítulo se basa en el contenido de sus predecesores. Esta estructura es adecuada para impartir un curso de dos semestres sobre aprendizaje automático en la licenciatura o el posgrado, pero sigue siendo igualmente relevante para quienes se dedican a la investigación activa o al autoaprendizaje.

Para comprender plenamente el aprendizaje automático es necesario tener cierta formación matemática, por lo que el libro incluye una introducción autocontenida a la teoría de la probabilidad. Sin embargo, el libro se centra en transmitir una comprensión clara de las ideas, haciendo hincapié en el valor práctico de las técnicas en el mundo real más que en la teoría abstracta. Por lo tanto, los conceptos complejos se presentan desde múltiples perspectivas complementarias que incluyen descripciones textuales, diagramas, fórmulas matemáticas y pseudocódigo.

Chris Bishop es miembro técnico de Microsoft y director de Microsoft Research AI4Science. Es miembro del Darwin College de Cambridge, de la Real Academia de Ingeniería y de la Royal Society.

Hugh Bishop es científico aplicado en Wayve, una empresa londinense de aprendizaje profundo para la conducción autónoma, donde diseña y entrena redes neuronales profundas. Realizó su doctorado en Aprendizaje Automático e Inteligencia Artificial en la Universidad de Cambridge.

"Chris Bishop escribió un excelente libro de texto sobre redes neuronales en 1995 y posee un profundo conocimiento del campo y de sus ideas fundamentales. Sus muchos años de experiencia en la explicación de redes neuronales le han hecho extremadamente hábil a la hora de presentar ideas complicadas de la forma más sencilla posible, y es una delicia ver estas habilidades aplicadas a los nuevos y revolucionarios avances en este campo." -- Geoffrey Hinton

"Con la reciente explosión del aprendizaje profundo y la IA como tema de investigación, y la importancia rápidamente creciente de las aplicaciones de la IA, hacía mucha falta un libro de texto moderno sobre el tema. El "Nuevo Obispo" llena magistralmente ese vacío, cubriendo algoritmos para el aprendizaje supervisado y no supervisado, modernas familias de arquitecturas de aprendizaje profundo, así como la forma de aplicar todo esto a diversas áreas de aplicación." - Yann LeCun

"Este libro excelente y muy didáctico pondrá al lector al día de los principales conceptos y avances en aprendizaje profundo con un sólido anclaje en la probabilidad. Estos conceptos están impulsando los actuales sistemas industriales de IA y es probable que constituyan la base de nuevos avances hacia la inteligencia general artificial." -- Yoshua Bengio