Descripción
El aprendizaje profundo es una tecnología de inteligencia artificial que permite la visión por computadora, el reconocimiento de voz en teléfonos móviles, la traducción automática, los juegos de IA, los automóviles sin conductor y otras aplicaciones. Cuando utilizamos productos de consumo de Google, Microsoft, Facebook, Apple o Baidu, a menudo estamos interactuando con un sistema de aprendizaje profundo. En este volumen de la serie Essential Knowledge de MIT Press, el científico informático John Kelleher ofrece una introducción accesible y concisa pero completa a la tecnología fundamental en el corazón de la revolución de la inteligencia artificial.
Kelleher explica que el aprendizaje profundo permite tomar decisiones basadas en datos al identificar y extraer patrones de grandes conjuntos de datos; su capacidad para aprender de datos complejos hace que el aprendizaje profundo sea ideal para aprovechar el rápido crecimiento de los macrodatos y la potencia computacional. Kelleher también explica algunos de los conceptos básicos del aprendizaje profundo, presenta una historia de los avances en el campo y analiza el estado actual de la técnica. Describe las arquitecturas de aprendizaje profundo más importantes, incluidos los autoencoders, las redes neuronales recurrentes y las redes de memoria a largo plazo, así como desarrollos recientes como las redes generativas antagónicas y las redes de cápsulas. También proporciona una introducción completa (y comprensible) a los dos algoritmos fundamentales en el aprendizaje profundo: el descenso de gradiente y la retropropagación. Finalmente, Kelleher considera el futuro del aprendizaje profundo: las principales tendencias, los posibles desarrollos y los desafíos importantes.
Autor: John D. Kelleher
Editorial: MIT Press
Publicado: 09/10/2019
Páginas: 296
Tipo de encuadernación: Tapa blanda
Peso: 0.58 libras
Tamaño: 7.00 alto x 5.00 ancho x 0.88 profundidad
ISBN13: 9780262537551
ISBN10: 0262537559
Categorías BISAC:
- Informática | Ciencia de datos | Aprendizaje automático
- Informática | Ciencia de datos | Redes neuronales
- Informática | Inteligencia artificial | Visión por computadora y reconocimiento de patrones