Aprendizaje profundo para programadores con Fastai y Pytorch: Aplicaciones de IA sin un doctorado

Opiniones de los lectores

El libro Deep Learning for Coders (Aprendizaje profundo para programadores), de Jeremy Howard y Sylvain Gugger, está ampliamente considerado como un excelente recurso para el aprendizaje práctico del aprendizaje profundo, especialmente para quienes tienen cierta experiencia en programación. Presenta un enfoque práctico y descendente que permite a los lectores participar directamente en aplicaciones y proyectos, a menudo utilizando la biblioteca Fastai en combinación con PyTorch. Sin embargo, ha sido criticado por ser potencialmente confuso para los principiantes absolutos y por tener ejemplos de código obsoletos que pueden causar frustración.

Bien estructurado para el aprendizaje práctico, excelente enfoque práctico, adecuado para lectores con experiencia en programación, rico en ejemplos de cuadernos Jupyter, bien formateado para su legibilidad en Kindle, cubre prácticas de aprendizaje profundo relevantes y modernas, comunidad de apoyo y recursos disponibles en GitHub.

Puede no ser adecuado para principiantes completos sin conocimientos previos, algunos lectores encuentran confuso el método de enseñanza de arriba hacia abajo, varios comentarios sobre código obsoleto que conduce a errores, no es ideal para aquellos con conocimientos previos de aprendizaje profundo que buscan material avanzado, posibles problemas con la edición integral y la coherencia.

(basado en 52 opiniones de lectores)

Título original:

Deep Learning for Coders with Fastai and Pytorch: AI Applications Without a PhD

Contenido del libro:

El aprendizaje profundo suele considerarse dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. ¿Cómo? Con fastai, la primera biblioteca que proporciona una interfaz coherente para las aplicaciones de aprendizaje profundo más utilizadas.

Los autores Jeremy Howard y Sylvain Gugger, creadores de fastai, le mostrarán cómo entrenar un modelo en una amplia gama de tareas utilizando fastai y PyTorch. También profundizará progresivamente en la teoría del aprendizaje profundo para obtener una comprensión completa de los algoritmos entre bastidores.

⬤ Entrene modelos en visión por computadora, procesamiento de lenguaje natural, datos tabulares y filtrado colaborativo.

⬤ Aprenda las últimas técnicas de aprendizaje profundo que más importan en la práctica.

⬤ Mejorar la precisión, la velocidad y la fiabilidad mediante la comprensión de cómo funcionan los modelos de aprendizaje profundo.

⬤ Descubra cómo convertir sus modelos en aplicaciones web.

⬤ Implementar algoritmos de aprendizaje profundo desde cero.

⬤ Considere las implicaciones éticas de su trabajo.

⬤ Obtenga información del prólogo del cofundador de PyTorch, Soumith Chintala.