Descripción
Deep Learning Teoría y Aplicaciones
Resumen del libro
Este libro ofrece una introducción completa al Deep Learning, desde sus orígenes históricos hasta las arquitecturas más avanzadas. El lector encontrará un equilibrio entre la fundamentación teórica y la aplicación práctica, con ejemplos resueltos sobre problemas reales utilizando herramientas como Arduino y Matlab. Una obra esencial para comprender la tecnología que impulsa la revolución actual de la inteligencia artificial.
¿De qué trata?
Deep Learning, teorías y aplicaciones traza un recorrido histórico por los progresos que dieron origen a esta tecnología, comenzando con las redes neuronales clásicas monocapa y avanzando hacia las superficiales hasta llegar a las profundas, como las redes neuronales convolucionales, ampliamente empleadas en procesamiento de imágenes. La obra combina una sólida base conceptual con una aproximación práctica mediante ejemplos resueltos sobre problemas reales, utilizando el sistema de prototipado electrónico rápido Arduino y el software de simulación Matlab, herramientas de amplio uso en la comunidad académica.
Temas principales
- Evolución histórica de las redes neuronales artificiales y su relación con el Deep Learning actual
- Arquitecturas de redes neuronales: monocapa, superficiales y profundas
- Redes neuronales convolucionales y su aplicación en procesamiento de imágenes
- Implementación práctica con Arduino y Matlab para resolver problemas reales
- Fundamentos teóricos básicos del aprendizaje profundo
¿Para quién está recomendado?
Está dirigido a estudiantes, profesionales y entusiastas de la informática, la inteligencia artificial y la ciencia de datos que deseen adquirir una comprensión sólida del Deep Learning desde sus fundamentos. Es especialmente útil para quienes buscan un enfoque equilibrado entre teoría y práctica, con ejemplos aplicables a problemas reales utilizando herramientas estándar en el ámbito académico.
Qué aporta este libro
- Comprensión integral de la evolución del Deep Learning, desde sus orígenes hasta las arquitecturas modernas
- Capacidad para implementar soluciones prácticas utilizando Arduino y Matlab
- Fundamentos teóricos sólidos para abordar problemas de procesamiento de imágenes con redes convolucionales
- Ejemplos resueltos sobre problemas reales que facilitan la transferencia a aplicaciones propias
- Actualización sobre las últimas tendencias tecnológicas en inteligencia artificial
Ficha técnica
- Autor: LOPEZ SOTELO,JESUS ALFONSO
- Editorial: Marcombo
- Idioma: Español
- Tema: INFORMATICA: CUESTIONES GENERALES, CIENCIAS DE LA COMPUTACION, INTELIGENCIA ARTIFICIAL, APRENDIZAJE AUTOMATICO
- Colección: ALFAOMEGA
- Encuadernación: Bolsillo
- Fecha de edición: febrero de 2023
- Número de páginas: 240
- Peso: 430 g
Valoración editorial
Una obra rigurosa y bien estructurada que cubre el vacío entre la teoría clásica de redes neuronales y las técnicas modernas de Deep Learning. Su enfoque práctico con herramientas reales como Arduino y Matlab la convierte en un recurso valioso tanto para el aprendizaje autodidacta como para su uso en entornos académicos. Recomendada para quienes buscan una base sólida antes de adentrarse en soluciones más complejas o frameworks especializados.