¡Oferta!

Python Deep Learning

12,89 36,40 

Otras opciones
Accede gratis al libro
27,55 

En Stock

  • ISBN: 9788426728289
  • Tipo de Encuadernación: Tapa blanda o bolsillo
  • Dimensiones de producto: 17x1x24
  • Número de páginas: 415
12,89 

Producto virtual

  • E-Book ISBN: 9788426729255
  • Número de páginas del E-Book: 383
36,40 

En Stock

  • ISBN: 9788426728289
  • Tipo de Encuadernación: Tapa blanda o bolsillo
  • Dimensiones de producto: 17x1x24
  • Número de páginas: 415
  • E-Book ISBN: 9788426729255
  • Número de páginas del E-Book: 383

Libro físico

  • Envíos a todo el mundo
  • Suscriptores obtienen descuentos en la compra de libros físicos, envíos gratuitos en España Peninsular y Baleares y acceso a todo el catálogo digital de Marcombo.
    ¿No estás suscrito? ¡Suscríbete!

eBook

  • Accede al eBook a través de nuestra plataforma digital.
  • Lee online y offline en cualquier dispositivo móvil con nuestra app de lectura.
  • Resalta, crea notas, extrae citas, traduce y busca en el diccionario, todo a través de nuestro lector inmersivo.

Libro físico + eBook

  • Envíos a todo el mundo
  • Accede al eBook a través de nuestra plataforma digital.
  • Lee online y offline en cualquier dispositivo móvil con nuestra app de lectura.
  • Resalta, crea notas, extrae citas, traduce y busca en el diccionario, todo a través de nuestro lector inmersivo.

Suscriptores obtienen descuentos en la compra de libros físicos, envíos gratuitos en toda España y acceso a todo el catálogo digital de Marcombo.
¿No estás suscripto? ¡Suscríbete!

Suscripción

  • Prueba gratis por 7 días. Planes desde 7,99 €/ mes
  • Accede a todo el catálogo de Marcombo
  • Lectura online y offline
  • Acceso a contenidos previos a su publicación
  • Envíos gratuitos y descuentos especiales para compras en la tienda

Suscribirse
Suscribirse
¿Quieres un descuento? ¡Hazte en miembro!

Más información

Descripción

Índice

Detalles

Colecciones

Categorías

Características

  • Autor: Torres, Jordi
  • Fecha de publicación: 30/01/2020

Descripción

Descargue los archivos adicionales del libro aquí con el código PYTHON4

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

Información adicional

Peso 0,7 kg
Dimensiones 24 × 17 × 1 cm

Índice

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