Deep Learning & IA Superhéroe
Dominar TensorFlow, Keras y PyTorch
Embárcate en un viaje épico por los ámbitos avanzados de la inteligencia artificial con «Deep Learning and AI Superhero». Esta guía revela los secretos de los marcos de aprendizaje profundo, como TensorFlow, Keras y PyTorch, y te permite crear, entrenar e implementar modelos de IA vanguardistas. Ya seas un estudiante, un investigador de IA en ciernes o un profesional experimentado, este libro transformará tu comprensión del aprendizaje profundo y te proporcionará las herramientas necesarias para hacer frente a los desafíos de la IA del mañana.
Lo Que Obtendrás de Este Libro
9 capítulos que abarcan más de 690 páginas
Más de 450 bloques explicativos de código
Más de 35 ejercicios prácticos
3 cuestionarios para poner a prueba tus conocimientos
5 proyectos prácticos del «mundo real»
Cómo dominar TensorFlow para la IA del mundo real
TensorFlow es una de las herramientas más poderosas del conjunto de herramientas de IA, ya que ofrece versatilidad y escalabilidad tanto para la investigación como para la producción. «Deep Learning and AI Superhero» ofrece un análisis exhaustivo de TensorFlow 2.x y se centra en sus funciones mejoradas que simplifican el diseño, la depuración y la implementación de modelos. Desde la comprensión de los conceptos básicos de los tensores y el flujo de datos hasta el dominio de arquitecturas neuronales complejas, este libro abarca todos los ángulos.
A través de tutoriales y ejemplos detallados, aprenderás a aprovechar TensorFlow para proyectos que van desde sistemas de reconocimiento de imágenes hasta aplicaciones de procesamiento del lenguaje natural. Además, el libro profundiza en temas avanzados, como la personalización de modelos con la API flexible de TensorFlow y la optimización de la eficiencia computacional con las funciones de tiempo de ejecución de TensorFlow.
Al final de esta sección, estarás equipado no solo con conocimientos teóricos sino también con habilidades prácticas que puedes aplicar en tus proyectos de IA.
Sumérjase en Keras y PyTorch: de lo básico a la maestría
Keras y PyTorch son fundamentales para la democratización de las tecnologías de aprendizaje profundo, ya que proporcionan marcos intuitivos que aceleran el ciclo de experimentación y mejoran la creatividad de las soluciones de IA. «Deep Learning and AI Superhero» detalla detalladamente cómo aprovechar las funciones sencillas pero potentes de Keras para diseñar y entrenar modelos de aprendizaje profundo con el mínimo esfuerzo.
Al mismo tiempo, explora los gráficos de computación dinámica de PyTorch que ofrecen un entorno óptimo para la investigación y la creación de prototipos de vanguardia. Esta sección incluye guías prácticas sobre la creación de capas y arquitecturas personalizadas de aprendizaje profundo, el uso eficaz de los callbacks y los puntos de control en Keras y la implementación de los algoritmos de optimización avanzados de PyTorch para aplicaciones a gran escala.
Los estudios de casos de este libro muestran aplicaciones reales, como los sistemas de vehículos autónomos y el diagnóstico sanitario avanzado, lo que subraya el potencial transformador de dominar tanto Keras como PyTorch.
El viaje a través del aprendizaje profundo y la IA no termina aquí. «El superhéroe del aprendizaje profundo y la inteligencia artificial» te lleva más allá de los marcos y te lleva al ámbito de las aplicaciones y la innovación en el mundo real. Analiza la IA ética y garantiza que, a medida que avanzamos en nuestra tecnología, también tengamos en cuenta los impactos sociales.
Este libro no solo lo capacitará para dominar las habilidades técnicas, sino que también lo preparará para ser un líder intelectual en la comunidad de IA, listo para abordar y resolver los complejos desafíos que se avecinan.
Tabla de contenido
Chapter 1: Introduction to Neural Networks and Deep Learning
1.1 Perceptron and Multi-Layer Perceptron (MLP)
1.2 Backpropagation, Gradient Descent, and Optimizers
1.3 Overfitting, Underfitting, and Regularization Techniques
1.4 Loss Functions in Deep Learning
Practical Exercises Chapter 1
Chapter 2: Deep Learning with TensorFlow 2.x
2.1 Introduction to TensorFlow 2.x
2.2 Building, Training, and Fine-Tuning Neural Networks in TensorFlow
2.3 Using TensorFlow Hub and Model Zoo for Pretrained Models
2.4 Saving, Loading, and Deploying TensorFlow Models
Practical Exercises Chapter 2
Chapter 3: Deep Learning with Keras
3.1 Introduction to Keras API in TensorFlow 2.x
3.2 Building Sequential and Functional Models with Keras
3.3 Model Checkpointing, Early Stopping, and Callbacks in Keras
3.4 Deploying Keras Models to Production
Practical Exercises Chapter 3
Quiz Part 1: Neural Networks and Deep Learning Basics
1. Introduction to Neural Networks and Deep Learning (Chapter 1)
2. Deep Learning with TensorFlow 2.x (Chapter 2)
3. Deep Learning with Keras (Chapter 3)
Answers to the Quiz
Chapter 4: Deep Learning with PyTorch
4.1 Introduction to PyTorch and its Dynamic Computation Graph
4.2 Building and Training Neural Networks with PyTorch
4.3 Transfer Learning and Fine-Tuning Pretrained PyTorch Models
4.4 Saving and Loading Models in PyTorch
4.5 Deploying PyTorch Models with TorchServe
Chapter 5: Convolutional Neural Networks (CNNs)
5.1 Introduction to CNNs and Image Processing
5.2 Implementing CNNs with TensorFlow, Keras, and PyTorch
5.3 Advanced CNN Techniques (ResNet, Inception, DenseNet)
5.4 Practical Applications of CNNs (Image Classification, Object Detection)
Practical Exercises Chapter 5
Chapter 6: Recurrent Neural Networks (RNNs) and LSTMs
6.1 Introduction to RNNs, LSTMs, and GRUs
6.2 Implementing RNNs and LSTMs in TensorFlow, Keras, and PyTorch
6.3 Applications of RNNs in Natural Language Processing
6.4 Transformer Networks for Sequence Modeling
Practical Exercises Chapter 6
Quiz Part 2: Advanced Deep Learning Frameworks
Chapter 4: Deep Learning with PyTorch
Chapter 5: Convolutional Neural Networks (CNNs)
Chapter 6: Recurrent Neural Networks (RNNs) and LSTMs
Answers
Chapter 7: Advanced Deep Learning Concepts
7.1 Autoencoders and Variational Autoencoders (VAEs)
7.2 Generative Adversarial Networks (GANs) and Their Applications
7.3 Transfer Learning and Fine-Tuning Pretrained Networks
7.4 Self-Supervised Learning and Foundation Models
Practical Exercises Chapter 7
Chapter 8: Machine Learning in the Cloud and Edge Computing
8.1 Running Machine Learning Models in the Cloud (AWS, Google Cloud, Azure)
8.2 Introduction to TensorFlow Lite and ONNX for Edge Devices
8.3 Deploying Models to Mobile and Edge Devices
Practical Exercises Chapter 8
Summary Chapter 8
Chapter 9: Practical Projects
9.1 Project 1: Predicting House Prices with Regression
9.2 Project 2: Sentiment Analysis Using Transformer-based Models
9.3 Project 3: Image Classification with CNNs
9.4 Project 4: Time Series Forecasting with LSTMs (Improved)
9.5 Project 5: GAN-based Image Generation
Quiz Part 3: Cutting-Edge AI and Practical Applications
Questions
Answers
Lo que dicen nuestros lectores sobre este libro
¡Explore las reseñas para comprender por qué este libro es una excelente elección! Descubra cómo otros se han beneficiado del conocimiento y las ideas que proporciona. Pruebe el emocionante contenido que le espera y compruebe si este libro es el libro perfecto para su viaje.
Si te estás sumergiendo en la IA, debes leer Deep Learning and AI Superhero. Este libro analiza conceptos complejos utilizando TensorFlow, Keras y PyTorch, y hace que temas avanzados como CNN, RNN y Transformers sean accesibles. Los proyectos prácticos incluidos, como la clasificación de imágenes y la generación de texto, ayudan a reforzar las lecciones clave. Con acceso gratuito a una plataforma de aprendizaje electrónico y repositorios de código, es un recurso excelente para dominar la IA. Mientras me esfuerzo por desarrollar mis propias habilidades de inteligencia artificial, esta completa guía ha sido de un valor incalculable para entender las redes neuronales y aplicarlas a los desafíos del mundo real, ¡en el momento perfecto para los proyectos de Halloween que se avecinan! JAJA
Este libro ofrece una exploración en profundidad de tres marcos fundamentales: TensorFlow, Keras y PyTorch, haciendo que los conceptos complejos sean accesibles y atractivos. Lo que diferencia a esta guía es su enfoque práctico: cada capítulo está repleto de tutoriales paso a paso, ejemplos del mundo real y ejercicios que no solo ilustran las teorías, sino que permiten aplicarlas de inmediato.
Desbloquear el acceso
Es su elección, libro de tapa blanda, libro electrónico o Pase de acceso completo a toda nuestra biblioteca de programación
- Libro de tapa blanda enviado desde Amazon
- Acceso gratuito al repositorio de código
- Atención al cliente de primera calidad
- Plataforma digital de aprendizaje electrónico
- Contenido de vídeo adicional gratuito
- Rentable
- Atención al cliente de primera calidad
- Recursos de código fáciles de copiar y pegar
- Aprenda en cualquier lugar
- Todo, desde Book Access
- Acceso ilimitado a la biblioteca de libros
- 50% de descuento en libros de bolsillo
- Acceso anticipado a nuevos lanzamientos
- Contenido de vídeo exclusivo
- Recomendaciones de libros mensuales
- Actualizaciones de libros ilimitadas
- Atención al cliente VIP 24/7
- Desafíos de programación
