Aprendizaje profundo para principiantes: Una guía para principiantes para ponerse en marcha con el aprendizaje profundo desde cero usando Python

Opiniones de los lectores

El libro «Deep Learning for Beginners» (Aprendizaje profundo para principiantes), del Dr. Pablo Rivas, ha sido bien recibido como texto introductorio exhaustivo que guía a los lectores a través de conceptos esenciales de aprendizaje profundo e implementaciones prácticas con Python. Cubre una amplia gama de temas sobre aprendizaje profundo y está dirigido a principiantes, proporcionando una guía estructurada para diferentes marcos de aprendizaje automático.

⬤ Gran introducción a los conceptos de aprendizaje profundo para principiantes.
⬤ Bien organizado con transiciones graduales entre temas.
⬤ Incluye ejemplos prácticos de codificación y aplicaciones prácticas en diversos campos.
⬤ Utiliza Google Colabs para la accesibilidad.
⬤ Cubre una amplia gama de marcos y arquitecturas de redes neuronales.

⬤ La profundidad de la cobertura puede no satisfacer a los lectores avanzados que buscan discusiones más profundas.
⬤ Algunos lectores pueden encontrar el contenido demasiado básico si ya tienen conocimientos previos en el campo.

(basado en 3 opiniones de lectores)

Título original:

Deep Learning for Beginners: A beginner's guide to getting up and running with deep learning from scratch using Python

Contenido del libro:

Implementación de modelos de aprendizaje profundo (DL) supervisados, no supervisados y generativos utilizando Keras y Dopamine sobre TensorFlow.

Características principales

⬤ Comprender los conceptos fundamentales de aprendizaje automático útiles en el aprendizaje profundo.

⬤ Aprenda los conceptos matemáticos subyacentes a medida que implementa modelos de aprendizaje profundo desde cero.

⬤ Explore ejemplos fáciles de entender y casos de uso que le ayudarán a construir una base sólida en DL.

Descripción del libro

Con la información en la web aumentando exponencialmente, se ha vuelto más difícil que nunca navegar a través de todo para encontrar contenido confiable que le ayudará a comenzar con el aprendizaje profundo. Este libro está diseñado para ayudarte si eres un principiante que busca trabajar en aprendizaje profundo y construir modelos de aprendizaje profundo desde cero, y ya tienes los conocimientos matemáticos y de programación básicos necesarios para empezar.

El libro comienza con una visión general básica del aprendizaje automático, guiándole a través de la configuración de marcos populares de Python. También comprenderá cómo preparar los datos limpiándolos y preprocesándolos para el aprendizaje profundo, y pasará gradualmente a explorar las redes neuronales. Una sección dedicada le dará una idea del funcionamiento de las redes neuronales ayudándole a poner manos a la obra con el entrenamiento de capas simples y múltiples de neuronas. Más adelante, cubrirá arquitecturas de redes neuronales populares como CNNs, RNNs, EAs, VAEs y GANs con la ayuda de ejemplos sencillos, e incluso construirá modelos desde cero. Al final de cada capítulo, encontrará una sección de preguntas y respuestas que le ayudará a comprobar lo que ha aprendido a lo largo del libro.

Al final de este libro, estarás familiarizado con los conceptos del aprendizaje profundo y tendrás los conocimientos necesarios para utilizar algoritmos específicos con diversas herramientas para diferentes tareas.

Lo que aprenderá

⬤ Implementar RNNs y memoria a largo plazo para tareas de clasificación de imágenes y Procesamiento del Lenguaje Natural.

⬤ Explorar el papel de las CNNs en visión por computador y procesamiento de señales.

⬤ Comprender las implicaciones éticas del modelado de aprendizaje profundo.

⬤ Comprender la terminología matemática asociada al aprendizaje profundo.

⬤ Codificar un GAN y un VAE para generar imágenes a partir de un espacio latente aprendido.

⬤ Implementar técnicas de visualización para comparar GAN y VAE.

A quién va dirigido este libro

Este libro está dirigido a aspirantes a científicos de datos e ingenieros de aprendizaje profundo que quieran iniciarse en los fundamentos del aprendizaje profundo y las redes neuronales. Aunque no se requieren conocimientos previos de aprendizaje profundo o aprendizaje automático, la familiaridad con el álgebra lineal y la programación en Python es necesaria para empezar.