Matemáticas para el Aprendizaje Profundo: Lo que Necesitas Saber para Comprender las Redes Neuronales

Math for Deep Learning le brinda las matemáticas esenciales que necesita para comprender las discusiones sobre aprendizaje profundo, explorar implementaciones más complejas y utilizar mejor los kits de herramientas de aprendizaje profundo.

Con Math for Deep Learning, aprenderá las matemáticas esenciales utilizadas por y como base para el aprendizaje profundo.

Trabajará con ejemplos de Python para aprender temas clave relacionados con el aprendizaje profundo en probabilidad, estadística, álgebra lineal, cálculo diferencial y cálculo matricial, así como a implementar el flujo de datos en una red neuronal, la retropropagación y el descenso de gradiente. También usará Python para trabajar con las matemáticas que subyacen a esos algoritmos e incluso construirá una red neuronal completamente funcional.

Además, encontrará cobertura del descenso de gradiente, incluidas las variaciones comúnmente utilizadas por la comunidad de aprendizaje profundo: SGD, Adam, RMSprop y Adagrad/Adadelta.

Autor: Ronald T. Kneusel
Editorial: No Starch Press
Publicado: 12/07/2021
Páginas: 344
Tipo de encuadernación: Tapa blanda
Peso: 1.40 libras
Tamaño: 9.10 pulgadas de alto x 7.00 pulgadas de ancho x 0.90 pulgadas de profundidad
ISBN13: 9781718501904
ISBN10: 1718501900
Categorías BISAC:
- Computadoras | Ciencia de Datos | Aprendizaje Automático
- Matemáticas | Cálculo
- Computadoras | Ciencia de Datos | Redes Neuronales

Sobre el autor
Ronald T. Kneusel obtuvo un doctorado en aprendizaje automático de la Universidad de Colorado, Boulder. Tiene más de 20 años de experiencia en la industria del aprendizaje automático. Kneusel también es autor de Numbers and Computers (2ª ed., Springer 2017), Random Numbers and Computers (Springer 2018) y Practical Deep Learning: A Python-Based Introduction (No Starch Press 2021).