Generative AI with Python and TensorFlow 2: Crea imágenes, texto y música con VAEs, GANs, LSTMs y modelos Transformer

Opiniones de los lectores

El libro ofrece una introducción a los modelos generativos, cubriendo una amplia gama de temas, herramientas y aplicaciones, incluyendo ejemplos prácticos de codificación. Es adecuado para principiantes y profesionales experimentados, aunque presenta algunos puntos débiles en cuanto a estructura y relevancia de algunos contenidos.

⬤ Cobertura exhaustiva de los modelos generativos y sus aplicaciones.
⬤ Ejemplos prácticos de codificación con TensorFlow y Keras.
⬤ Tutoriales detallados sobre la configuración de entornos de programación.
⬤ Apela a una amplia audiencia explicando temas complejos de una manera accesible.
⬤ Buena organización de los conceptos fundamentales que conducen a proyectos prácticos.

⬤ Algunos capítulos son repetitivos e incluyen contenido innecesario.
⬤ Los ejemplos de codificación no siempre funcionan, lo que lleva a confusión.
⬤ Se critica la estructura del libro por estar mal organizado, con errores factuales.
⬤ Los ejemplos en PNL se consideran más débiles en comparación con las secciones de imagen/audio.
⬤ Algunos temas, como el aprendizaje por refuerzo, no son relevantes para el enfoque principal en modelos generativos.

(basado en 21 opiniones de lectores)

Título original:

Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models

Contenido del libro:

Implementar modelos generativos clásicos y de aprendizaje profundo a través de ejemplos prácticos

Características principales:

⬤ Explore las capacidades creativas y similares a las humanas de la IA y genere resultados impresionantes.

⬤ Utilice las últimas investigaciones para ampliar sus conocimientos más allá de este libro.

⬤ Experimente con implementaciones prácticas de TensorFlow 2. x de modelos generativos de vanguardia.

Descripción del libro:

En los últimos años, la inteligencia artificial generativa ha sido fundamental en la creación de datos realistas (imágenes, voz, vídeo, música y texto) a partir de cero. En este libro descubrirá cómo se crean estos potentes modelos a partir de bloques de construcción relativamente sencillos y cómo puede adaptarlos a sus propios casos de uso.

Empezarás configurando entornos limpios en contenedores para Python y familiarizándote con los fundamentos de las redes neuronales profundas, aprendiendo conceptos básicos como el perceptrón, las funciones de activación, la retropropagación y cómo se relacionan entre sí. Una vez que haya cubierto los fundamentos, explorará modelos generativos profundos en profundidad, incluyendo la serie GPT de OpenAI de generadores de noticias, redes para la transferencia de estilo y deepfakes, y la sinergia con el aprendizaje por refuerzo.

A medida que avance, se centrará en las abstracciones cuando le resulten útiles, y comprenderá los "entresijos" de cómo se componen los modelos en código, respaldados por diagramas de arquitectura detallados. El libro concluye con una variedad de proyectos prácticos para generar música, imágenes, texto y voz utilizando los métodos que ha aprendido en las secciones anteriores, uniendo capas de TensorFlow, funciones de utilidad y bucles de entrenamiento para descubrir los vínculos entre los diferentes modos de generación.

Al final de este libro, habrás adquirido los conocimientos necesarios para crear e implementar tus propios modelos generativos de IA.

Lo que aprenderá

⬤ Implementar la transferencia de estilos emparejados y no emparejados con redes como StyleGAN.

⬤ Utilizar puntos de referencia faciales, autoencoders, y pix2pix GAN para crear deepfakes.

⬤ Construir varios pipelines de generación de texto basados en LSTMs, BERT y GPT-2, aprendiendo cómo la atención y los transformadores cambiaron el panorama de la PLN.

⬤ Componer música utilizando modelos LSTM, redes adversariales generativas simples y el intrincado MuseGAN.

⬤ Entrenar un agente de aprendizaje profundo para moverse a través de un entorno físico simulado.

⬤ Descubrir aplicaciones emergentes de IA generativa, como el plegamiento de proteínas y la creación de vídeos a partir de imágenes.

A quién va dirigido este libro:

Este libro será de interés para programadores de Python, modeladores experimentados e ingenieros de aprendizaje automático que estén interesados en aprender sobre la creación e implementación de modelos generativos. Para sacar el máximo provecho de este libro, debe tener una familiaridad básica con la teoría de la probabilidad, el álgebra lineal y el aprendizaje profundo.