Deep learning : principios y fundamentos /
Bosch Rué, Anna,
Deep learning : principios y fundamentos / Anna Bosch Rué, Jordi Casas Roma, Toni Lozano Bagén. - Primera edición en lengua castellana - 257 páginas : figuras ; 23 cm - Manuales (Tecnología) . - Manuales (Editorial UOC) ; 666 Manuales (Editorial UOC). Tecnología .
Incluye bibliografía.
Parte I. Introducción -- Capítulo 1. Introducción y contextualización -- Capítulo 2. Conceptos básicos de aprendizaje automático. -- Parte II. Redes neuronales artificiales -- Capítulo 3. Principios y fundamentos. -- Capítulo 4. Optimización del proceso de aprendizaje -- Capítulo 5. Autoencoders -- Parte III. Redes neuronales convolucionales -- Capítulo 6. Introducción y conceptos básicos -- Capítulo 7. Componentes y estructura de una CNN -- Capítulo 8. Arquitecturas de CNN -- Capítulo 9. Consejos prácticos y ejemplos -- Capítulo 10. Fundamentos de las redes recurrentes -- Capítulo 11. Tipología de celdas recurrentes. -- Capítulo 12. Arquitecturas de redes recurrentes. -- Capítulo 13. Consejos prácticos y ejemplos. -- Parte V. Apéndices -- Apéndice -- A. Notación -- Apéndice B. Detalles del backpropagation.
En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos. El enfoque del libro es claramente descriptivo, con el objetivo de que el lector entienda los conceptos e ideas básicos detrás de cada algoritmo o técnica. La primera parte del libro constituye una introducción al aprendizaje profundo, en general, y a las redes neuronales, en particular. En la segunda parte se describe el funcionamiento de las redes neuronales, partiendo de conceptos básicos (como la estructura de una neurona, las principales funciones de activación, etc.) hasta alcanzar conceptos avanzados (optimización del rendimiento de las redes neuronales o estrategias para evitar el problema del sobreentrenamiento). La tercera parte presenta los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales convolucionales (Convolutional neural networks, CNN) y su aplicación en el procesamiento de imágenes. Finalmente, el cuarto bloque de este texto se centra los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales recurrentes (Recurrent neural networks, RNN) y su aplicación para el procesamiento de series temporales y textos. El texto.
9788491806561
Aprendizaje automático--Inteligencia artificial.
Aprendizaje profundo--Aprendizaje automático.
Machine learning.
Redes neuronales --Computadores.
Libros electrónicos.
006.31 / B742d 2019
Deep learning : principios y fundamentos / Anna Bosch Rué, Jordi Casas Roma, Toni Lozano Bagén. - Primera edición en lengua castellana - 257 páginas : figuras ; 23 cm - Manuales (Tecnología) . - Manuales (Editorial UOC) ; 666 Manuales (Editorial UOC). Tecnología .
Incluye bibliografía.
Parte I. Introducción -- Capítulo 1. Introducción y contextualización -- Capítulo 2. Conceptos básicos de aprendizaje automático. -- Parte II. Redes neuronales artificiales -- Capítulo 3. Principios y fundamentos. -- Capítulo 4. Optimización del proceso de aprendizaje -- Capítulo 5. Autoencoders -- Parte III. Redes neuronales convolucionales -- Capítulo 6. Introducción y conceptos básicos -- Capítulo 7. Componentes y estructura de una CNN -- Capítulo 8. Arquitecturas de CNN -- Capítulo 9. Consejos prácticos y ejemplos -- Capítulo 10. Fundamentos de las redes recurrentes -- Capítulo 11. Tipología de celdas recurrentes. -- Capítulo 12. Arquitecturas de redes recurrentes. -- Capítulo 13. Consejos prácticos y ejemplos. -- Parte V. Apéndices -- Apéndice -- A. Notación -- Apéndice B. Detalles del backpropagation.
En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos. El enfoque del libro es claramente descriptivo, con el objetivo de que el lector entienda los conceptos e ideas básicos detrás de cada algoritmo o técnica. La primera parte del libro constituye una introducción al aprendizaje profundo, en general, y a las redes neuronales, en particular. En la segunda parte se describe el funcionamiento de las redes neuronales, partiendo de conceptos básicos (como la estructura de una neurona, las principales funciones de activación, etc.) hasta alcanzar conceptos avanzados (optimización del rendimiento de las redes neuronales o estrategias para evitar el problema del sobreentrenamiento). La tercera parte presenta los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales convolucionales (Convolutional neural networks, CNN) y su aplicación en el procesamiento de imágenes. Finalmente, el cuarto bloque de este texto se centra los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales recurrentes (Recurrent neural networks, RNN) y su aplicación para el procesamiento de series temporales y textos. El texto.
9788491806561
Aprendizaje automático--Inteligencia artificial.
Aprendizaje profundo--Aprendizaje automático.
Machine learning.
Redes neuronales --Computadores.
Libros electrónicos.
006.31 / B742d 2019
