Motores de Inteligencia Artificial: Un tutorial de introducción a las matemáticas del aprendizaje profundo

Opiniones de los lectores

El libro de James Stone es conocido por ofrecer una introducción concisa y atractiva a los conceptos de aprendizaje automático y aprendizaje profundo, dirigida a lectores con distintos niveles de formación matemática. Mientras que muchos críticos elogian su legibilidad y enfoque pedagógico, algunos encuentran ciertas secciones confusas debido a la fuerte dependencia de la nomenclatura compleja y las definiciones insuficientes de los términos clave.

⬤ Conciso y ameno, cargado de información valiosa
⬤ estilo de redacción atractivo
⬤ bueno para lectores con conocimientos básicos de matemáticas
⬤ explica eficazmente los conceptos básicos
⬤ ofrece una perspectiva histórica
⬤ el autor responde a las consultas.

⬤ Nomenclatura confusa y notación matemática compleja
⬤ algunos conceptos mal definidos
⬤ algunos lectores señalan dificultades para comprender ideas clave, especialmente en los últimos capítulos
⬤ problemas de compatibilidad con Kindle Scribe
⬤ problemas de entrega con la versión impresa.

(basado en 15 opiniones de lectores)

Título original:

Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning

Contenido del libro:

El cerebro siempre ha tenido una ventaja fundamental sobre los ordenadores convencionales: puede aprender. Sin embargo, una nueva generación de algoritmos de inteligencia artificial, en forma de redes neuronales profundas, está eliminando rápidamente esa ventaja.

Las redes neuronales profundas se basan en algoritmos adaptativos para dominar una amplia variedad de tareas, como el diagnóstico del cáncer, el reconocimiento de objetos, el reconocimiento del habla, el control robótico, el ajedrez, el póquer, el backgammon y el Go, con niveles de rendimiento sobrehumanos. En este libro profusamente ilustrado, los algoritmos clave de aprendizaje de redes neuronales se explican primero de manera informal, seguidos de análisis matemáticos detallados. Los temas incluyen tanto las redes neuronales históricamente importantes (por ejemplo, los perceptrones) como las modernas redes neuronales profundas (por ejemplo, las redes generativas adversariales).

Los programas informáticos en línea, recopilados de repositorios de código abierto, ofrecen una experiencia práctica de las redes neuronales, y las diapositivas de PowerPoint sirven de apoyo para la enseñanza. Escrito en un estilo informal, con un glosario exhaustivo, apéndices tutoriales (por ejemplo, el teorema de Bayes) y una lista de lecturas adicionales, se trata de una introducción ideal a los motores algorítmicos de la inteligencia artificial moderna.