Descripción
Este libro práctico le muestra cómo emplear modelos de aprendizaje automático para extraer información de imágenes. Los ingenieros de ML y los científicos de datos aprenderán a resolver una variedad de problemas de imagen que incluyen clasificación, detección de objetos, autoencoders, generación de imágenes, conteo y subtitulado con técnicas probadas de ML. Este libro proporciona una excelente introducción al aprendizaje profundo de extremo a extremo: creación de conjuntos de datos, preprocesamiento de datos, diseño de modelos, entrenamiento de modelos, evaluación, implementación e interpretabilidad.
Los ingenieros de Google Valliappa Lakshmanan, Martin Görner y Ryan Gillard le muestran cómo desarrollar modelos de ML de visión artificial precisos y explicables y ponerlos en producción a gran escala utilizando una arquitectura de ML robusta de una manera flexible y mantenible. Aprenderá a diseñar, entrenar, evaluar y predecir con modelos escritos en TensorFlow o Keras.
Aprenderá cómo:
- Diseñar arquitectura ML para tareas de visión artificial
- Seleccionar un modelo (como ResNet, SqueezeNet o EfficientNet) apropiado para su tarea
- Crear un pipeline de ML de extremo a extremo para entrenar, evaluar, implementar y explicar su modelo
- Preprocesar imágenes para la aumentación de datos y para apoyar la aprendibilidad
- Incorporar la explicabilidad y las mejores prácticas de IA responsable
- Implementar modelos de imagen como servicios web o en dispositivos de borde
- Monitorear y gestionar modelos de ML
Autor: Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Editorial: O'Reilly Media
Publicado: 08/10/2021
Páginas: 482
Tipo de encuadernación: Tapa blanda
Peso: 1.70 libras
Tamaño: 9.06h x 6.93w x 1.10d
ISBN13: 9781098102364
ISBN10: 1098102363
Categorías BISAC:
- Informática | Ciencia de Datos | Redes Neuronales
- Informática | Inteligencia Artificial | Visión por Computadora y Reconocimiento de Patrones
- Informática | Ciencia de Datos | Aprendizaje Automático
Sobre el Autor
Valliappa (Lak) Lakshmanan es director de soluciones de análisis e IA en Google Cloud, donde dirige un equipo que construye soluciones intersectoriales para problemas de negocio. Su misión es democratizar el aprendizaje automático para que pueda ser realizado por cualquier persona en cualquier lugar.
Martin Görner es gerente de producto para Keras/TensorFlow, enfocado en mejorar la experiencia del desarrollador al usar modelos de última generación. Le apasiona la ciencia, la tecnología, la codificación, los algoritmos y todo lo demás.
Ryan Gillard es ingeniero de IA en la organización de Servicios Profesionales de Google Cloud, donde construye modelos de ML para una amplia variedad de industrias. Comenzó su carrera como científico investigador en la industria hospitalaria y de la salud. Con títulos en neurociencia y física, le encanta trabajar en la intersección de esas disciplinas explorando la inteligencia a través de las matemáticas.