Manual del arquitecto del aprendizaje profundo: Construya y despliegue soluciones de AD listas para la producción aprovechando las últimas técnicas de Python

Opiniones de los lectores

El libro es una guía completa del aprendizaje profundo, que abarca arquitecturas fundamentales, técnicas avanzadas, evaluación de modelos, sesgo y equidad, y prácticas de implantación en el mundo real. Está estructurado en secciones bien definidas, lo que lo hace accesible tanto para principiantes como para profesionales experimentados. Los ejemplos prácticos y el código que los acompaña mejoran significativamente la experiencia de aprendizaje.

Ofrece una comprensión profunda de las metodologías de aprendizaje profundo, conocimientos prácticos sobre la creación y el despliegue de modelos, excelentes ilustraciones, abundante contenido sobre sesgo y equidad, diseño estructurado para facilitar la comprensión, ejercicios prácticos con ejemplos de código en Python, y se adapta a varios niveles de experiencia.

Algunos lectores pueden encontrar todavía difíciles algunos temas complejos, y aunque cubre una amplia gama de temas, aquellos que busquen conocimientos muy especializados podrían necesitar consultar recursos adicionales.

(basado en 10 opiniones de lectores)

Título original:

The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques

Contenido del libro:

Aproveche el poder del aprendizaje profundo para impulsar la productividad y la eficiencia mediante esta guía práctica que abarca técnicas y mejores prácticas para todo el ciclo de vida del aprendizaje profundo

Características principales: Interprete el proceso de toma de decisiones de sus modelos, asegurando la transparencia y la confianza en sus soluciones impulsadas por IA Obtenga experiencia práctica en cada paso del ciclo de vida del aprendizaje profundo Explore estudios de casos y soluciones para implementar modelos de DL mientras aborda la escalabilidad, la deriva de datos y las consideraciones éticas La compra del libro impreso o Kindle incluye un eBook PDF gratuito

Descripción del libro:

El aprendizaje profundo permite hazañas previamente inalcanzables en la automatización, pero extraer valor empresarial del mundo real a partir de él es una tarea desalentadora. Este libro le enseñará a construir modelos complejos de aprendizaje profundo y a adquirir intuición para estructurar sus datos con el fin de lograr sus objetivos de aprendizaje profundo.

Este libro de aprendizaje profundo explora todos los aspectos del ciclo de vida del aprendizaje profundo, desde la planificación y la preparación de los datos hasta la implementación y la gobernanza de los modelos, utilizando escenarios del mundo real que le llevarán a través de la creación, la implementación y la gestión de soluciones avanzadas. También aprenderá a trabajar con datos de imagen, audio, texto y vídeo utilizando arquitecturas de aprendizaje profundo, así como a optimizar y evaluar sus modelos de aprendizaje profundo de forma objetiva para abordar cuestiones como el sesgo, la imparcialidad, los ataques de adversarios y la transparencia de los modelos.

A medida que avance, aprovechará el poder de las plataformas de IA para agilizar el ciclo de vida del aprendizaje profundo y aprovechar las bibliotecas y marcos de Python como PyTorch, ONNX, Catalyst, MLFlow, Captum, Nvidia Triton, Prometheus y Grafana para ejecutar arquitecturas de aprendizaje profundo eficientes, optimizar el rendimiento del modelo y agilizar los procesos de implementación. También descubrirá el potencial transformador de los grandes modelos de lenguaje (LLM) para una amplia gama de aplicaciones.

Al final de este libro, habrás dominado las técnicas de aprendizaje profundo para liberar todo su potencial en tus proyectos.

Lo que aprenderá Utilizar la búsqueda de arquitectura neuronal (NAS) para automatizar el diseño de redes neuronales artificiales (ANN) Implementar redes neuronales recurrentes (RNNs), redes neuronales convolucionales (CNNs), BERT, transformadores, y más para construir su modelo Tratar con la deriva de datos multimodales en un entorno de producción Evaluar la calidad y el sesgo de sus modelos Explorar técnicas para proteger su modelo de ataques adversarios Llegar a enfrentarse con el despliegue de un modelo con DataRobot AutoML.

A quién va dirigido:

Este libro está dirigido a profesionales del aprendizaje profundo, científicos de datos y desarrolladores de aprendizaje automático que deseen explorar arquitecturas de aprendizaje profundo para resolver problemas empresariales complejos. Los profesionales del ámbito más amplio del aprendizaje profundo y la IA también se beneficiarán de los conocimientos proporcionados, aplicables a una gran variedad de casos de uso empresarial. Para empezar a trabajar con este libro, es necesario tener conocimientos de programación en Python y una comprensión básica de las técnicas de aprendizaje profundo.