Gans en acción: Aprendizaje profundo con redes generativas adversariales

Opiniones de los lectores

El libro ofrece una visión técnica general de las redes generativas adversariales (GAN) con un fuerte enfoque de aplicación, pero adolece de un alcance limitado, explicaciones matemáticas insuficientes y problemas de usabilidad práctica. Si bien puede servir como introducción al tema, los lectores esperan una visión más profunda y una aplicabilidad más amplia, de las que carece.

⬤ Proporciona una sólida visión técnica de un área emergente en el aprendizaje profundo.
⬤ Ofrece una mezcla de detalles técnicos y aplicaciones del mundo real.
⬤ Discusión entusiasta de la ciencia detrás del código.

⬤ Se centra en la visión por ordenador, descuidando las aplicaciones de texto y datos estructurados.
⬤ Carece de suficiente profundidad matemática y claridad en las explicaciones.
⬤ La calidad del contenido disminuye en los últimos capítulos.
⬤ Muchos ejemplos y códigos son superficiales o tomados de otras fuentes.
⬤ En general, parece árido y carente de utilidad práctica.

(basado en 7 opiniones de lectores)

Título original:

Gans in Action: Deep Learning with Generative Adversarial Networks

Contenido del libro:

Los sistemas de aprendizaje profundo se han vuelto realmente excelentes en la identificación de patrones en texto, imágenes y vídeo. Pero las aplicaciones que crean imágenes realistas, frases y párrafos naturales o traducciones de calidad nativa han resultado difíciles de conseguir. Las redes generativas adversariales, o GAN, ofrecen una solución prometedora a estos retos al emparejar dos redes neuronales competidoras: una que genera contenido y otra que rechaza muestras de baja calidad.

Las GAN en acción: Deep learning with Generative Adversarial Networks le enseña a construir y entrenar sus propias redes generativas adversariales. En primer lugar, obtendrá una introducción al modelado generativo y al funcionamiento de las GAN, junto con una visión general de sus posibles usos. A continuación, empezará a construir su propio sistema adversarial sencillo, mientras explora los fundamentos de la arquitectura de las GAN: las redes generadora y discriminadora.

La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications.