Descripción
VISION ARTIFICIAL MEDIANTE APRENDIZAJE AUTOMATICO CON TENSOR
Resumen del libro
Este manual práctico ofrece una inmersión profunda en la visión artificial combinada con aprendizaje automático, utilizando TensorFlow y PyTorch. Dirigido a estudiantes, investigadores y profesionales, el libro guía al lector desde conceptos básicos hasta modelos complejos como redes siamesas, generativas antagónicas y de atención. Con un enfoque didáctico, incluye códigos fuente descargables para facilitar la implementación de soluciones reales en conducción autónoma, reconocimiento facial o detección de defectos industriales.
¿De qué trata?
La obra aborda la intersección entre visión por ordenador y aprendizaje automático, explicando cómo entrenar y utilizar distintos tipos de redes neuronales. Comienza con fundamentos de visión artificial y algoritmos supervisados y no supervisados, para luego avanzar hacia arquitecturas avanzadas: redes siamesas, generativas antagónicas (GANs), recurrentes, de detección y segmentación, así como modelos de atención y compuestos. Todo ello se presenta mediante ejemplos prácticos en Python, con TensorFlow o PyTorch, permitiendo al lector comprender el funcionamiento interno de los modelos y aplicarlos a problemas actuales.
Temas principales
- Fundamentos de visión artificial y procesamiento de imágenes
- Algoritmos de aprendizaje supervisado y no supervisado aplicados a visión
- Redes neuronales convolucionales y su entrenamiento
- Arquitecturas avanzadas: siamesas, GANs, recurrentes, detección y segmentación
- Modelos de atención y modelos compuestos
- Implementación práctica con TensorFlow y PyTorch en Python
¿Para quién está recomendado?
Está dirigido a estudiantes de ingeniería o ciencias de la computación, investigadores en inteligencia artificial y profesionales del sector tecnológico que deseen especializarse en visión artificial. Es especialmente útil para quienes ya tienen nociones básicas de programación en Python y aprendizaje automático, y buscan una guía práctica para construir y aplicar modelos avanzados en problemas reales.
Qué aporta este libro
- Comprensión detallada del funcionamiento interno de redes neuronales para visión artificial
- Capacidad para implementar modelos complejos como GANs, redes siamesas y de atención
- Acceso a códigos fuente descargables que facilitan el aprendizaje práctico
- Enfoque actualizado con las herramientas más utilizadas (TensorFlow y PyTorch)
- Aplicación directa a problemas del mundo real como conducción autónoma o reconocimiento facial
Ficha técnica
- Autor: JAIME DUQUE DOMINGO; EDUARDO ZALAMA CASAN
- Editorial: RA-MA, S.A. Editorial y Publicaciones
- Idioma: Español
- Tema: VISION POR ORDENADOR
- Colección: PROFESIONAL
- Encuadernación: Otros
- Fecha de edición: marzo de 2023
- Número de páginas: 368
- Peso: 628 g
Valoración editorial
Este libro destaca por su enfoque práctico y progresivo, ideal para quienes quieren dominar la visión artificial moderna sin perderse en teoría abstracta. La combinación de TensorFlow y PyTorch, junto con la cobertura de arquitecturas avanzadas, lo convierte en un recurso valioso tanto para el autoaprendizaje como para la formación académica o profesional. La inclusión de códigos descargables refuerza su utilidad como herramienta de trabajo y estudio.