Deep Learning con Python
Deep Learning con Python
Chollet, Francois
El aprendizaje automático ha progresado de manera notable en los últimos años. Hemos pasado del discurso casi inutilizable y el reconocimiento de imágenes a una precisión casi humana. Hemos pasado de máquinas que no podían ganar a un jugador de go decente a derrotar al campeón del mundo. Tras este progreso se encuentra el deep learning, una combinación de avances en ingeniería,...
Sinopsis
El aprendizaje automático ha progresado de manera notable en los últimos años. Hemos pasado del discurso casi inutilizable y el reconocimiento de imágenes a una precisión casi humana. Hemos pasado de máquinas que no podían ganar a un jugador de go decente a derrotar al campeón del mundo. Tras este progreso se encuentra el deep learning, una combinación de avances en ingeniería, prácticas adecuadas y teoría que permite crear una gran abundancia de aplicaciones inteligentes que antes eran imposibles. Deep Learning con Python presenta el campo del deep learning utilizando el lenguaje Python y la potente biblioteca Keras. Escrito por François Chollet, creador de Keras e investigador de Google AI, este libro desarrolla su comprensión mediante explicaciones intuitivas y ejemplos prácticos. Explorará conceptos complicados y practicará con aplicaciones en visión por ordenador, procesamiento de lenguaje natural y modelos generativos. Para cuando acabe, tendrá el conocimiento y las habilidades prácticas para aplicar el deep learning a sus propios proyectos.
Índice
Agradecimientos Sobre el autor Introducción Sobre este libro Código fuente Foro del libro Sobre la imagen de cubierta Parte 1. Fundamentos del deep learning Capítulo 1. ¿Qué es el deep learning? 1.1. Inteligencia Artificial, machine learning y deep learning 1.2. Antes del deep learning: una breve historia del machine learning 1.3. ¿Por qué el deep learning? ¿Por qué ahora? Capítulo 2. Los bloques de construcción matemáticos de las redes neuronales 2.1. Un primer vistazo a una red neuronal 2.2. Representaciones de datos para redes neuronales 2.3. Los engranajes de las redes neuronales: operaciones con tensores 2.4. El motor de las redes neuronales: optimización basada en gradiente 2.5. Volviendo al primer ejemplo Capítulo 3. Iniciarse en las redes neuronales 3.1. Anatomía de una red neuronal 3.2. Introducción a Keras 3.3. Configurar una estación de trabajo de deep learning 3.4. Clasificar críticas de películas: ejemplo de clasificación binaria 3.5. Clasificar noticias: ejemplo de clasificación multiclase 3.6. Predecir precios de casas: ejemplo de regresión1 Capítulo 4. Fundamentos del machine learning 4.1. Cuatro ramas de machine learning 4.2. Evaluación de modelos de machine learning 4.3. Procesamiento de datos, ingeniería de características y aprendizaje de características 4.4. Sobreajuste y subajuste 4.5. El flujo de trabajo universal del machine learning Parte 2. Deep learning en la práctica Capítulo 5. Deep learning para visión por ordenador 5.1. Introducción a las convnets 5.2. Entrenar una convnet desde cero con un conjunto de datos pequeño 5.3. Utilizar una convnet preentrenada 5.4. Visualizar lo que aprenden las convnets Capítulo 6. Deep learning para texto y secuencias 6.1. Trabajar con datos de texto 6.2. Entender las redes neuronales recurrentes 6.3. Uso avanzado de las redes neuronales recurrentes 6.4. Procesamiento de secuencias con convnets Capítulo 7. Prácticas adecuadas de deep learning av
Comentarios
Sé el primero en comentar este libroArtículos relacionados
