{"product_id":"deep-generative-modeling-9783030931605","title":"Modelado Generativo Profundo","description":"\u003cp\u003eEste libro de texto aborda el problema de la formulación de sistemas de IA combinando el modelado probabilístico y el aprendizaje profundo. Además, va más allá del modelado predictivo típico y reúne el aprendizaje supervisado y el aprendizaje no supervisado. El paradigma resultante, llamado modelado generativo profundo, utiliza la perspectiva generativa para percibir el mundo circundante. Asume que cada fenómeno es impulsado por un proceso generativo subyacente que define una distribución conjunta sobre variables aleatorias y sus interacciones estocásticas, es decir, cómo ocurren los eventos y en qué orden. El adjetivo \"profundo\" proviene del hecho de que la distribución se parametriza utilizando redes neuronales profundas. El modelado generativo profundo tiene dos rasgos distintivos. Primero, la aplicación de redes neuronales profundas permite una parametrización rica y flexible de las distribuciones. Segundo, la manera principista de modelar las dependencias estocásticas utilizando la teoría de la probabilidad asegura una formulación rigurosa y previene posibles fallas en el razonamiento. Además, la teoría de la probabilidad proporciona un marco unificado donde la función de verosimilitud juega un papel crucial en la cuantificación de la incertidumbre y la definición de funciones objetivo.\u003c\/p\u003e \u003cp\u003e\u003ci\u003eDeep Generative Modeling\u003c\/i\u003e está diseñado para atraer a estudiantes curiosos, ingenieros e investigadores con una modesta formación matemática en cálculo de pregrado, álgebra lineal, teoría de la probabilidad y los fundamentos del aprendizaje automático, el aprendizaje profundo y la programación en Python y PyTorch (u otras bibliotecas de aprendizaje profundo). Atraerá a estudiantes e investigadores de una variedad de campos, incluyendo informática, ingeniería, ciencia de datos, física y bioinformática, que deseen familiarizarse con el modelado generativo profundo. Para involucrar al lector, el libro introduce conceptos fundamentales con ejemplos específicos y fragmentos de código. El código completo que acompaña al libro está disponible en github.\u003c\/p\u003e \u003cp\u003eEl objetivo final del libro es describir las técnicas más importantes en el modelado generativo profundo y, eventualmente, permitir a los lectores formular nuevos modelos e implementarlos.\u003c\/p\u003e \u003cp\u003e\u003c\/p\u003e\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-7179984\"\u003eJakub M. Tomczak\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Springer\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 20\/02\/2023\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 197\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 0.68lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.21h x 6.14w x 0.46d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9783030931605\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 3030931609\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM004000\"\u003eInteligencia artificial | General\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM077000\"\u003eSoftware matemático y estadístico\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM072000\"\u003eSimulación por ordenador\u003c\/a\u003e\u003cbr\u003e\u003cbr\u003e\u003cp\u003e\u003cb\u003eAcerca del autor\u003c\/b\u003e\u003cbr\u003e\u003cb\u003eJakub Tomczak\u003c\/b\u003e es profesor asistente de Inteligencia Artificial en el grupo de Inteligencia Computacional de la Vrije Universiteit Amsterdam desde noviembre de 2019. Anteriormente, de octubre de 2018 a octubre de 2019, fue investigador de aprendizaje profundo (ingeniero senior) en Qualcomm AI Research en Ámsterdam. De octubre de 2016 a septiembre de 2018, fue Marie Sklodowska-Curie Individual Fellow en el grupo del Prof. Max Welling en la Universidad de Ámsterdam. Obtuvo su doctorado en aprendizaje automático en la Universidad Tecnológica de Breslavia. Sus intereses de investigación incluyen el modelado probabilístico, el aprendizaje profundo, el modelado bayesiano aproximado y el modelado generativo profundo (con especial énfasis en los autoencoders variacionales y el modelo basado en flujo).\u003c\/p\u003e","brand":"Springer","offers":[{"title":"Default Title","offer_id":44541981327597,"sku":"9783030931605","price":82.48,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_28d10dd3-143d-4116-860d-199260b231f6.jpg?v=1701518375","url":"https:\/\/sureshotbooks.com\/es\/products\/deep-generative-modeling-9783030931605","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}