Materias

PYTHON DEEP LEARNING, Introducción práctica con Keras y TensorFlow 2

PYTHON DEEP LEARNING, Introducción práctica con Keras y TensorFlow 2 Ver más grande

PRECIO: 27,31 €

Disponibilidad de 3 a 7 días Aproximadamente

CANTIDAD

Referencia: Código 8437


DESCRIPCIÓN:

Febrero de 2020  -  Jordi Torres  -  Refª 8437

CONTENIDO:

Jordi Torres

Febrero de 2020       Páginas: 384

Código 8427      ISBN/EAN: 9788426728289

CONTENIDO:

Puede descaragar archivos adicionales del libro, con el código PYTHON4, en la web del editor.

La inteligencia artificial permite la innovación y el cambio en todos los aspectos de la vida moderna. La mayoría de los avances actuales se basan en Deep Learning, un área de conocimiento muy madura que permite a las empresas desarrollar y poner en producción sus algoritmos de aprendizaje automático y usar los algoritmos preentrenados ofrecidos por las principales plataformas Cloud.

Muchos profesionales interesados en comprender el Deep Learning tienen dificultades en establecer una ruta adecuada para empezar y saltar la barrera de entrada en este campo de innovación, debido a su complejidad y falta de manuales sobre el tema. Por ello, este libro proporciona todos los contenidos necesarios para entender qué es el Deep Learning y conocer las posibilidades de esta tecnología.

Gracias a la combinación de los principios teóricos del Deep Learning y el enfoque práctico de codificación, se iniciará en este apasionante mundo mediante el lenguaje Python y la API Keras de la librería TensorFlow, el entorno más popular para desarrollar aplicaciones Deep Learning tanto a nivel de empresa como de proveedores Cloud. Asimismo, conocerá las principales redes neuronales actuales, como las redes neuronales convolucionales, las redes neuronales recurrentes o las Generative Adversarial Network, entre otras.

Con este libro, podrá:

  • Descubrir los secretos del Deep Learning mediante el uso de gran variedad de ejemplos didácticos en Python 3 y el entorno Google Colab.
  • Introducirse en el desarrollo de algoritmos de aprendizaje automático mediante multitud de técnicas de Deep Learning, gracias al uso de la API de Keras y la librería TensorFlow 2.
  • Aprender a usar los diferentes recursos online, fuentes de datos abiertas y algoritmos preentrenados para facilitar el desarrollo de aplicaciones basadas en Deep Learning
  • Tener acceso online a los códigos actualizados del libro a través de la web marcombo.info.

Tanto si tiene poca experiencia en programación, como si es un programador experimentado, consiga este libro y obtenga las habilidades prácticas básicas que le permitirán comprender cómo funciona y qué hace posible (y qué no) el uso del Deep Learning en sus propios proyectos.

Jordi Torres es catedrático en la UPC Barcelona Tech y lidera el grupo de investigación Emerging Technologies for Artificial Intelligence en el Barcelona Supercomputing Center. Tiene más de 30 años de experiencia en docencia e investigación en computación de altas prestaciones y ha publicado libros científicos y proyectos de I+D en empresas e instituciones. Es consejero delegado por la UPC en la empresa iThinkUPC, y actúa como formador y experto para diversas organizaciones y empresas. A su vez, imparte conferencias, colabora con diferentes medios de comunicación y mantiene un blog sobre ciencia y tecnología en www.torres.ai

INDICE EXTRACTADO:

Prefacio ………………………………………………………………………………………………. 17
Acerca de este libro ……………………………………………………………………………… 19
PARTE 1: INTRODUCCIÓN ………………………………………………………………….. 23
CAPÍTULO 1. ¿Qué es el Deep Learning? ……………………………………………… 25
CAPÍTULO 2. Entorno de trabajo …………………………………………………………… 47
CAPÍTULO 3. Python y sus librerías ………………………………………………………. 57
PARTE 2: FUNDAMENTOS DEL DEEP LEARNING ……………………………….. 79
CAPÍTULO 4. Redes neuronales densamente conectadas ……………………….. 81
CAPÍTULO 5. Redes neuronales en Keras ……………………………………………… 99
CAPÍTULO 6. Cómo se entrena una red neuronal ………………………………….. 125
CAPÍTULO 7. Parámetros e hiperparámetros en redes neuronales ………….. 139
CAPÍTULO 8. Redes neuronales convolucionales ………………………………….. 157
PARTE 3: TÉCNICAS DEL DEEP LEARNING ……………………………………… 183
CAPÍTULO 9. Etapas de un proyecto Deep Learning ……………………………… 185
CAPÍTULO 10. Datos para entrenar redes neuronales ……………………………. 205
CAPÍTULO 11. Data Augmentation y Transfer Learning …………………………. 231
CAPÍTULO 12. Arquitecturas avanzadas de redes neuronales ………………… 255
PARTE 4: DEEP LEARNING GENERATIVO ………………………………………… 275
CAPÍTULO 13. Redes neuronales recurrentes ………………………………………. 277
CAPÍTULO 14. Generative Adversarial Networks …………………………………… 307
Clausura ……………………………………………………………………………………………. 337
Apéndices ………………………………………………………………………………………….. 339

Más detalles

TAMBIEN LE PUEDE INTERESAR

OTROS PRODUCTOS DE LA MISMA MATERIA

También puede hacer sus pedidos sin necesidad de crear una cuenta a: pedidos@belliscovirtual.com . Deberá indicar todos sus datos y los códigos de los libros solicitados.