Descripción
Da el siguiente paso en la implementación de varias redes neuronales comunes y no tan comunes con Tensorflow 1.x
Características principales:
- Perfecciona e implementa redes neuronales complejas utilizando TensorFlow 1.x de Google
- Una guía fácil de seguir que te permite explorar el aprendizaje por refuerzo, las GAN, los autocodificadores, los perceptrones multicapa y más.
- Recetas prácticas para trabajar con Tensorflow en entornos de escritorio, móviles y en la nube
Descripción del libro:
Las redes neuronales profundas (DNN) han logrado un gran éxito en el campo de la visión por computadora, el reconocimiento de voz y el procesamiento del lenguaje natural. Esta emocionante guía basada en recetas te llevará del ámbito de la teoría de las DNN a su implementación práctica para resolver problemas de la vida real en el dominio de la inteligencia artificial.
En este libro, aprenderás a usar eficientemente TensorFlow, el marco de código abierto de Google para el aprendizaje profundo. Implementarás diferentes redes de aprendizaje profundo, como Redes Neuronales Convolucionales (CNN), Redes Neuronales Recurrentes (RNN), Redes de Aprendizaje Profundo Q (DQN) y Redes Generativas Antagónicas (GAN), con recetas independientes y fáciles de seguir. Aprenderás a usar TensorFlow con Keras como backend. Aprenderás cómo diferentes DNN se desempeñan en algunos conjuntos de datos de uso popular, como MNIST, CIFAR-10 y Youtube8m. No solo aprenderás sobre las diferentes plataformas móviles y embebidas compatibles con TensorFlow, sino también cómo configurar plataformas en la nube para aplicaciones de aprendizaje profundo. También obtendrás un adelanto de la arquitectura de TPU y cómo afectará el futuro de las DNN.
Utilizando recetas concisas y directas, te convertirás en un experto en la implementación de técnicas de aprendizaje profundo en aplicaciones del mundo real en crecimiento y áreas de investigación como el aprendizaje por refuerzo, las GAN y los autocodificadores.
Lo que aprenderás:
- Aprovecha diferentes conjuntos de datos como MNIST, CIFAR-10 y Youtube8m con TensorFlow y aprende cómo acceder a ellos y usarlos en tu código
- Usa TensorBoard para comprender las arquitecturas de redes neuronales, optimizar el proceso de aprendizaje y echar un vistazo dentro de la caja negra de las redes neuronales
- Utiliza diferentes técnicas de regresión para problemas de predicción y clasificación
- Construye perceptrones simples y multicapa en TensorFlow
- Implementa una CNN y una RNN en TensorFlow, y úsalas para resolver problemas del mundo real
- Aprende cómo se pueden usar las Máquinas de Boltzmann Restringidas para recomendar películas
- Comprende la implementación de autocodificadores y redes de creencia profunda, y úsalas para la detección de emociones
- Domina los diferentes métodos de aprendizaje por refuerzo para implementar agentes que juegan
A quién va dirigido este libro:
Este libro está dirigido a analistas de datos, científicos de datos, profesionales del aprendizaje automático y entusiastas del aprendizaje profundo que desean realizar tareas de aprendizaje profundo de forma regular y buscan una guía práctica a la que puedan consultar. Las personas que están un poco familiarizadas con las redes neuronales y ahora quieren adquirir experiencia en el trabajo con diferentes tipos de redes neuronales y conjuntos de datos, encontrarán este libro muy útil.
Autor: Antonio Gulli, Amita Kapoor
Editorial: Packt Publishing
Publicado: 12/12/2017
Páginas: 536
Tipo de encuadernación: Tapa blanda
Peso: 2.01 libras
Tamaño: 9.25 alto x 7.50 ancho x 1.08 profundidad
ISBN13: 9781788293594
ISBN10: 1788293592
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Ciencia de Datos | Redes Neuronales
Este título no es retornable