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

Opiniones de los lectores

En general, el libro ha sido bien recibido por sus explicaciones claras y concisas de los conceptos del aprendizaje automático y su estilo accesible. Sin embargo, algunos usuarios encuentran confusas algunas secciones debido a la pesada notación matemática y a la falta de definiciones de términos clave. También se señalaron como inconvenientes los problemas de compatibilidad con los lectores electrónicos y las entregas incompletas.

⬤ Conciso, ameno y cargado de información valiosa
⬤ presentación clara y legible
⬤ explicaciones básicas sólidas adecuadas para principiantes
⬤ estilo tutorial eficaz
⬤ bueno para entender conceptos básicos
⬤ enfoque respetuoso con los nuevos estudiantes
⬤ revisión bien escrita e intuitiva del aprendizaje automático
⬤ el autor responde a las consultas.

⬤ Notación matemática confusa, especialmente en los últimos capítulos
⬤ definición insuficiente de términos importantes
⬤ problemas de compatibilidad con ciertos dispositivos
⬤ entrega incompleta del libro.

(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.