Pro Deep Learning con Tensorflow 2.0: Una aproximación matemática a la inteligencia artificial avanzada en Python

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Contenido del libro:

Este libro se basa en los fundamentos establecidos en su primera edición, con capítulos actualizados y las últimas implementaciones de código para ponerlo al día con Tensorflow 2. 0.

Pro Deep Learning with TensorFlow 2. 0 comienza con los fundamentos matemáticos y técnicos básicos del aprendizaje profundo. A continuación, aprenderá sobre redes neuronales convolucionales, incluidos nuevos métodos convolucionales como la convolución dilatada, la convolución separable en profundidad y su implementación. A continuación, comprenderá el procesamiento del lenguaje natural en arquitecturas de red avanzadas como los transformadores y diversos mecanismos de atención relevantes para el procesamiento del lenguaje natural y las redes neuronales en general. A medida que avance en el libro, explorará marcos de aprendizaje no supervisado que reflejan el estado actual de los métodos de aprendizaje profundo, como los autocodificadores y los autocodificadores variacionales. El capítulo final cubre el tema avanzado de las redes generativas adversariales y sus variantes, como las GAN de consistencia cíclica y las técnicas de redes neuronales gráficas, como las redes de atención gráfica y GraphSAGE.

Al finalizar este libro, comprenderá los fundamentos matemáticos y los conceptos del aprendizaje profundo, y será capaz de utilizar los prototipos demostrados para crear nuevas aplicaciones de aprendizaje profundo.

Lo que aprenderá

⬤ Comprender el aprendizaje profundo de pila completa utilizando TensorFlow 2. 0.

⬤ Obtener una comprensión de los fundamentos matemáticos del aprendizaje profundo.

⬤ Desplegar soluciones complejas de aprendizaje profundo en la producción utilizando TensorFlow 2. 0.

⬤ Comprender las redes adversariales generativas, las redes de atención gráfica y GraphSAGE.

A quién va dirigido este libro:

Científicos de datos y profesionales del aprendizaje automático, desarrolladores de software, estudiantes de posgrado y entusiastas del código abierto.