Programación del aprendizaje automático: De la codificación al aprendizaje profundo

Opiniones de los lectores

El libro 'Programming Machine Learning' de Paolo Perrotta es muy apreciado por su enfoque claro y metódico a la hora de introducir conceptos de aprendizaje automático. Guía con éxito a los principiantes a través de los fundamentos del aprendizaje automático y las redes neuronales sin depender demasiado de las bibliotecas existentes, lo que hace más accesibles los temas complejos. Sin embargo, algunos críticos señalaron deficiencias en las explicaciones matemáticas más profundas y en ciertos temas avanzados, lo que sugiere que puede no satisfacer las necesidades de aquellos que buscan una amplia cobertura en esas áreas.

⬤ Introducción clara y gradual a los conceptos del aprendizaje automático.
⬤ Buenas explicaciones de las matemáticas y el código subyacentes.
⬤ Enfoque práctico con ejemplos.
⬤ Diagramas bien ilustrados que mejoran la comprensión.
⬤ Apoyo y compromiso personalizados del autor.
⬤ Ideal para programadores principiantes e intermedios que deseen adquirir conocimientos básicos.

⬤ Carece de una descripción matemática en profundidad de los conceptos.
⬤ Algunos capítulos, como los dedicados a las CNN, se consideran inadecuados.
⬤ Cobertura limitada de temas avanzados, que puede no satisfacer a quienes buscan un conocimiento exhaustivo.

(basado en 19 opiniones de lectores)

Título original:

Programming Machine Learning: From Coding to Deep Learning

Contenido del libro:

Ha decidido abordar el aprendizaje automático porque está buscando trabajo, se está embarcando en un nuevo proyecto o simplemente cree que los coches autónomos son geniales. Pero, ¿por dónde empezar? Es fácil sentirse intimidado, incluso como desarrollador de software. La buena noticia es que no tiene por qué ser tan difícil. Domina el aprendizaje automático escribiendo código línea a línea, desde sencillos programas de aprendizaje hasta un verdadero sistema de aprendizaje profundo. Aborde los temas difíciles desglosándolos para que sean más fáciles de entender, y aumente su confianza ensuciándose las manos.

Pele las oscuridades del aprendizaje automático, empezando desde cero y llegando hasta el aprendizaje profundo. El aprendizaje automático puede ser intimidante, ya que depende de matemáticas y algoritmos que la mayoría de los programadores no encuentran en su trabajo habitual. Adopte un enfoque práctico, escribiendo el código Python usted mismo, sin bibliotecas que oculten lo que realmente está pasando. Itere en su diseño y añada capas de complejidad a medida que avanza.

Cree una aplicación de reconocimiento de imágenes desde cero con aprendizaje supervisado. Predecir el futuro con regresión lineal. Sumergirse en el descenso de gradiente, un algoritmo fundamental que impulsa la mayor parte del aprendizaje automático. Crear perceptrones para clasificar datos. Construir redes neuronales para abordar conjuntos de datos más complejos y sofisticados. Entrene y perfeccione esas redes con retropropagación y procesamiento por lotes. Superponga las redes neuronales, elimine el sobreajuste y añada convolución para transformar su red neuronal en un verdadero sistema de aprendizaje profundo.

Comience desde el principio y codifique su camino hacia el dominio del aprendizaje automático.

Lo que necesita

Los ejemplos de este libro están escritos en Python, pero no se preocupe si no conoce este lenguaje: aprenderá todo el Python que necesita muy rápidamente. Aparte de eso, sólo necesitarás tu ordenador y tu cerebro experto en código.