Deep Learning: Teoría, arquitecturas y aplicaciones en el procesamiento del habla, la imagen y el lenguaje

Título original:

Deep Learning: Theory, Architectures and Applications in Speech, Image and Language Processing

Contenido del libro:

Este libro es una guía de referencia detallada sobre el aprendizaje profundo y sus aplicaciones. Su objetivo es proporcionar una comprensión básica del aprendizaje profundo y sus diferentes arquitecturas que se aplican para procesar imágenes, habla y lenguaje natural. Explica conceptos básicos y muchos casos de uso modernos a través de quince capítulos aportados por académicos e investigadores de la informática. Al final del libro, el lector se familiarizará con diferentes enfoques y modelos de aprendizaje profundo, y entenderá cómo implementar varios algoritmos de aprendizaje profundo utilizando múltiples marcos y bibliotecas.

Este libro se divide en tres partes. La primera parte explica el funcionamiento básico, la historia, la evolución y los retos asociados al aprendizaje profundo. También se tratan los conceptos básicos de matemáticas y los requisitos de hardware para la implementación del aprendizaje profundo, así como algunos de sus marcos de trabajo más populares para aplicaciones médicas.

La segunda parte está dedicada al análisis de sentimientos mediante técnicas de aprendizaje profundo y aprendizaje automático. Esta sección del libro cubre la experimentación y aplicación de técnicas y arquitecturas de aprendizaje profundo en aplicaciones del mundo real. Detalla los enfoques, problemas y retos más destacados en la construcción de máquinas éticamente alineadas. También se presenta un enfoque inspirado en el pensamiento y la sabiduría orientales tradicionales.

La parte final cubre los enfoques de inteligencia artificial utilizados para explicar los modelos de aprendizaje automático que mejoran la transparencia en beneficio de los usuarios. En esta sección se incluye una revisión y descripción detallada del uso de grafos de conocimiento en la generación de explicaciones para sistemas de recomendación de caja negra y una revisión del diseño de sistemas éticos y un modelo para la educación sostenible. Un capítulo adicional demuestra cómo puede utilizarse una técnica de aprendizaje automático semisupervisado para la gestión de carteras de criptomonedas.

El libro es una referencia oportuna para académicos, profesionales, investigadores y estudiantes de instituciones de ingeniería y medicina que trabajan en aplicaciones de inteligencia artificial.