Aprendiendo a fondo el aprendizaje profundo

Resumen

Grokking Deep Learning le enseña a construir redes neuronales de aprendizaje profundo desde cero. Con su estilo atractivo, el experimentado experto en aprendizaje profundo Andrew Trask le muestra la ciencia subyacente, para que usted mismo comprenda cada detalle del entrenamiento de redes neuronales.

La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

El aprendizaje profundo, una rama de la inteligencia artificial, enseña a las computadoras a aprender utilizando redes neuronales, tecnología inspirada en el cerebro humano. La traducción de texto en línea, los automóviles autónomos, las recomendaciones personalizadas de productos y los asistentes de voz virtuales son solo algunos de los emocionantes avances modernos posibles gracias al aprendizaje profundo.

Acerca del libro

Grokking Deep Learning le enseña a construir redes neuronales de aprendizaje profundo desde cero. Con su estilo atractivo, el experimentado experto en aprendizaje profundo Andrew Trask le muestra la ciencia subyacente, para que usted mismo comprenda cada detalle del entrenamiento de redes neuronales. Utilizando solo Python y su biblioteca de soporte matemático, NumPy, entrenará sus propias redes neuronales para ver y comprender imágenes, traducir texto a diferentes idiomas e incluso escribir como Shakespeare. Cuando termine, estará completamente preparado para pasar a dominar los frameworks de aprendizaje profundo.

Qué incluye

• La ciencia detrás del aprendizaje profundo
• Construcción y entrenamiento de sus propias redes neuronales
• Conceptos de privacidad, incluyendo el aprendizaje federado
• Consejos para continuar su búsqueda en el aprendizaje profundo

Acerca del lector

Para lectores con conocimientos de matemáticas a nivel de secundaria y habilidades de programación intermedias.

Acerca del autor

Andrew Trask es estudiante de doctorado en la Universidad de Oxford e investigador científico en DeepMind. Anteriormente, Andrew fue investigador y gerente de producto de análisis en Digital Reasoning, donde entrenó la red neuronal artificial más grande del mundo y ayudó a guiar la hoja de ruta de análisis para la plataforma de computación cognitiva Synthesys.

Tabla de contenido

1. Introducción al aprendizaje profundo: por qué debería aprenderlo
2. Conceptos fundamentales: ¿cómo aprenden las máquinas?
3. Introducción a la predicción neuronal: propagación hacia adelante
4. Introducción al aprendizaje neuronal: descenso de gradiente
5. Aprendiendo múltiples pesos a la vez: generalizando el descenso de gradiente
6. Construyendo su primera red neuronal profunda: introducción a la retropropagación
7. Cómo visualizar las redes neuronales: en su mente y en papel
8. Aprendiendo la señal e ignorando el ruido: introducción a la regularización y el procesamiento por lotes
9. Modelando probabilidades y no linealidades: funciones de activación
10. Aprendizaje neuronal sobre bordes y esquinas: introducción a las redes neuronales convolucionales
11. Redes neuronales que entienden el lenguaje: rey - hombre + mujer == ?
12. Redes neuronales que escriben como Shakespeare: capas recurrentes para datos de longitud variable
13. Introducción a la optimización automática: construyamos un framework de aprendizaje profundo
14. Aprendiendo a escribir como Shakespeare: memoria a corto y largo plazo (LSTM)
15. Aprendizaje profundo en datos no vistos: introducción al aprendizaje federado
16. A dónde ir desde aquí: una breve guía

Autor: Andrew Trask
Editorial: Manning Publications
Publicado: 25/01/2019
Páginas: 336
Tipo de encuadernación: Tapa blanda
Peso: 1.20 lbs
Tamaño: 9.10h x 7.40w x 0.70d
ISBN13: 9781617293702
ISBN10: 1617293709
Categorías BISAC:
- Computadoras | Ciencia de datos | Redes neuronales
- Computadoras | Desarrollo de software e ingeniería | General
- Computadoras | Programación | Algoritmos

Acerca del autor
Andrew Trask es estudiante de doctorado en la Universidad de Oxford, financiado por la Beca de Posgrado Oxford-DeepMind, donde investiga enfoques de Aprendizaje Profundo con especial énfasis en el lenguaje humano. Anteriormente, Andrew fue investigador y gerente de producto de análisis en Digital Reasoning, donde entrenó la red neuronal artificial más grande del mundo con más de 160 mil millones de parámetros y ayudó a guiar la hoja de ruta de análisis para la plataforma de computación cognitiva Synthesys, que aborda algunas de las tareas de análisis más complejas en las industrias de inteligencia gubernamental, finanzas y atención médica.