TY  - BOOK
AU  - Bosch Rué,Anna
AU  - Casas Roma,Jordi
AU  - Lozano Bagén,Toni
TI  - Deep learning: principios y fundamentos 
T2  - Manuales (Tecnología)
SN  - 9788491806561
U1  - 006.31 23
PY  - 2019///
CY  - Barcelona
PB  - Editorial UOC
KW  - armarc
KW  - Aprendizaje automático
KW  - Inteligencia artificial
KW  - Aprendizaje profundo
KW  - Machine learning
KW  - Redes neuronales
KW  - Computadores
KW  - Libros electrónicos
N1  - 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
N2  - 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.
ER  -