Descripción
Nota del editor: Esta edición de 2017 está desactualizada y no es compatible con TensorFlow 2 ni con ninguna de las actualizaciones más recientes de las bibliotecas de Python. Se ha publicado una nueva segunda edición, actualizada para 2020 y que incluye TensorFlow 2, la API de Keras, CNNs, GANs, RNNs, NLP y AutoML.
Características principales:
- Implemente varios algoritmos de aprendizaje profundo en Keras y vea cómo se puede utilizar el aprendizaje profundo en los juegos.
- Vea cómo se pueden implementar varios modelos de aprendizaje profundo y casos de uso prácticos utilizando Keras.
- Una guía práctica y concisa con ejemplos del mundo real para proporcionarle una base sólida en Keras.
Descripción del libro:
Este libro comienza presentándole algoritmos de aprendizaje supervisado como la regresión lineal simple, el perceptrón multicapa clásico y redes convolucionales profundas más sofisticadas. También explorará el procesamiento de imágenes con reconocimiento de imágenes de dígitos escritos a mano, clasificación de imágenes en diferentes categorías y reconocimiento avanzado de objetos con anotaciones de imágenes relacionadas. También se proporciona un ejemplo de identificación de puntos salientes para la detección de rostros.
A continuación, se le presentarán las Redes Recurrentes, que están optimizadas para procesar datos de secuencia como texto, audio o series de tiempo. Después de eso, aprenderá sobre algoritmos de aprendizaje no supervisado como Autoencoders y las muy populares Redes Generativas Adversarias (GANs). También explorará usos no tradicionales de las redes neuronales como la Transferencia de Estilo.
Finalmente, analizará el aprendizaje por refuerzo y su aplicación al juego de IA, otra dirección popular de investigación y aplicación de las redes neuronales.
Lo que aprenderá:
- Optimizar funciones paso a paso en una red neuronal grande usando el algoritmo de Retropropagación
- Ajustar una red neuronal para mejorar la calidad de los resultados
- Usar el aprendizaje profundo para el procesamiento de imágenes y audio
- Usar Redes Tensoras Neuronales Recursivas (RNTN) para superar la incrustación de palabras estándar en casos especiales
- Identificar problemas para los que las soluciones de Redes Neuronales Recurrentes (RNN) son adecuadas
- Explorar el proceso requerido para implementar Autoencoders
- Evolucionar una red neuronal profunda usando aprendizaje por refuerzo
A quién va dirigido este libro:
Si usted es un científico de datos con experiencia en aprendizaje automático o un programador de IA con alguna exposición a redes neuronales, este libro le resultará un punto de entrada útil al aprendizaje profundo con Keras. Se requiere conocimiento de Python para este libro.
Autor: Antonio Gulli, Sujit Pal
Editorial: Packt Publishing
Publicado: 26/04/2017
Páginas: 318
Tipo de encuadernación: Tapa blanda
Peso: 1.21 libras
Tamaño: 9.25 de alto x 7.50 de ancho x 0.67 de profundidad
ISBN13: 9781787128422
ISBN10: 1787128423
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Ciencia de Datos | Redes Neuronales
- Informática | Procesamiento de Imágenes
Este título no es retornable