Python Deep Learning - Segunda edición: Exploración de técnicas de aprendizaje profundo y arquitecturas de redes neuronales con PyTorch, Keras y TensorFlow, 2ª Ed.

Opiniones de los lectores

El libro es un recurso exhaustivo sobre aprendizaje profundo, que abarca una amplia gama de temas, desde redes neuronales básicas hasta modelos avanzados como el aprendizaje por refuerzo y aplicaciones en campos como la visión por ordenador y los vehículos autónomos. Es bien recibido por sus explicaciones claras y ejemplos prácticos, lo que lo hace adecuado para diversos niveles de habilidad. Sin embargo, algunos usuarios lamentan la eliminación de contenidos valiosos de ediciones anteriores, y hay críticas sobre la calidad gráfica y la accesibilidad de los materiales complementarios.

Amplia cobertura de los temas de aprendizaje profundo, explicaciones claras adecuadas para varios niveles de habilidad, ejemplos prácticos, inclusión de las principales bibliotecas de aprendizaje profundo, secciones completas sobre visión por ordenador y aprendizaje por refuerzo.

Se ha eliminado material valioso de ediciones anteriores, la calidad de los gráficos es deficiente, los materiales complementarios son confusos (por ejemplo, los enlaces de GitHub apuntan a repositorios incorrectos), y algunos temas, especialmente en el procesamiento del lenguaje natural, podrían ser más detallados.

(basado en 8 opiniones de lectores)

Título original:

Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed

Contenido del libro:

Aprenda técnicas avanzadas de aprendizaje profundo de última generación y sus aplicaciones utilizando bibliotecas populares de Python

Características principales

⬤ Construir una base sólida en redes neuronales y aprendizaje profundo con bibliotecas de Python.

⬤ Explore técnicas avanzadas de aprendizaje profundo y sus aplicaciones a través de la visión por computadora y la PNL.

⬤ Aprenda cómo una computadora puede navegar en entornos complejos con aprendizaje de refuerzo.

Descripción del libro

Con el auge de la inteligencia artificial en aplicaciones que atienden tanto a las necesidades de las empresas como de los consumidores, el aprendizaje profundo es más importante que nunca para satisfacer las demandas actuales y futuras del mercado. Con este libro, explorará el aprendizaje profundo y aprenderá a poner en práctica el aprendizaje automático en sus proyectos.

Esta segunda edición de Python Deep Learning te pondrá al día con el aprendizaje profundo, las redes neuronales profundas y cómo entrenarlas con algoritmos de alto rendimiento y marcos de trabajo populares de Python. Descubrirá diferentes arquitecturas de redes neuronales, como redes convolucionales, redes neuronales recurrentes, redes de memoria a corto plazo (LSTM) y redes de cápsulas. También aprenderá a resolver problemas en los campos de la visión por ordenador, el procesamiento del lenguaje natural (PLN) y el reconocimiento del habla. Estudiará enfoques de modelos generativos como los autocodificadores variacionales y las redes generativas adversariales (GAN) para generar imágenes. A medida que se adentre en las nuevas áreas de aprendizaje por refuerzo, conocerá los algoritmos más avanzados, que son los componentes principales de los populares juegos Go, Atari y Dota.

Al final del libro, conocerá a fondo la teoría del aprendizaje profundo y sus aplicaciones en el mundo real.

Lo que aprenderá

⬤ Comprender la teoría matemática detrás de las redes neuronales y los procesos de aprendizaje profundo.

⬤ Investigar y resolver desafíos de visión por ordenador utilizando redes convolucionales y redes de cápsulas.

⬤ Resolver tareas generativas utilizando autocodificadores variacionales y redes generativas adversariales.

⬤ Implementar tareas complejas de PLN utilizando redes recurrentes (LSTM y GRU) y modelos de atención.

⬤ Explorar el aprendizaje por refuerzo y entender cómo se comportan los agentes en un entorno complejo.

⬤ Ponte al día con las aplicaciones del aprendizaje profundo en vehículos autónomos.

A quién va dirigido este libro.

Este libro está dirigido a profesionales de la ciencia de datos, ingenieros de aprendizaje automático y personas interesadas en el aprendizaje profundo que tengan una formación básica en aprendizaje automático y algo de experiencia en programación con Python. Una formación en matemáticas y la comprensión conceptual del cálculo y la estadística le ayudarán a obtener el máximo beneficio de este libro.