Python Deep Learning: introducción práctica con Keras y TensorFlow 2 /
Por: Torres, Jordi
.
Colaborador(es): Torres, Jordi
.
Tipo de material: 





Tipo de ítem | Ubicación actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|
![]() |
Biblioteca Central General | Colección General | 005.133 T693p (Navegar estantería) | Ej. 1 | Disponible | 006418 |
Prefacio <br /> Acerca de este libro<br /> PARTE 1: INTRODUCCIÓN<br /> CAPÍTULO 1. ¿Qué es el Deep Learning?<br /> CAPÍTULO 2. Entorno de trabajo<br /> CAPÍTULO 3. Python y sus librerías<br /> PARTE 2: FUNDAMENTOS DEL DEEP LEARNING<br /> CAPÍTULO 4. Redes neuronales densamente conectadas<br /> CAPÍTULO 5. Redes neuronales en Keras (Descarga PDF de este capítulo)<br /> CAPÍTULO 6. Cómo se entrena una red neuronal<br /> CAPÍTULO 7. Parámetros e hiperparámetros en redes neuronales<br /> CAPÍTULO 8. Redes neuronales convolucionales<br /> PARTE 3: TÉCNICAS DEL DEEP LEARNING<br /> CAPÍTULO 9. Etapas de un proyecto Deep Learning<br /> CAPÍTULO 10. Datos para entrenar redes neuronales<br /> CAPÍTULO 11. Data Augmentation y Transfer Learning<br /> CAPÍTULO 12. Arquitecturas avanzadas de redes neuronales<br /> PARTE 4: DEEP LEARNING GENERATIVO<br /> CAPÍTULO 13. Redes neuronales recurrentes<br /> CAPÍTULO 14. Generative Adversarial Networks<br /> Clausura<br /> Apéndices<br /> Agradecimientos<br /> Índice alfabético <br />
“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 algoritmos preentrenados ofrecidos por las principales plataformas Cloud.<br /> <br /> 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.<br /> <br /> 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.” <br /> <br />
No hay comentarios para este ejemplar.