Descripción
Redes neuronales recurrentes
Resumen del libro
Este libro ofrece una explicación exhaustiva y agnóstica al código de las arquitecturas de aprendizaje profundo que sustentan los grandes modelos del lenguaje, como GPT o ChatGPT. El lector encontrará un análisis detallado de las redes neuronales recurrentes (RNN-LSTM) y los transformers, combinado con un enfoque orientado a la ciencia cognitiva para entender el comportamiento artificial. Una obra esencial para quienes desean comprender el funcionamiento interno de estas tecnologías y no limitarse a ser meros ejecutores de código.
¿De qué trata?
La obra se sumerge en el corazón de los algoritmos de aprendizaje profundo que hacen posibles los modelos de lenguaje actuales. A diferencia de otros recursos que se centran en la programación práctica, este libro explica de manera exhaustiva y sin depender de un lenguaje de programación específico cómo funcionan las redes neuronales recurrentes (RNN-LSTM) y los transformers. A través de un enfoque que conecta la inteligencia artificial con la ciencia cognitiva, el autor desgrana los mecanismos internos de estas arquitecturas, permitiendo al lector comprender no solo cómo se usan, sino por qué funcionan. Se incluyen muestras de código para ilustrar los conceptos, pero el objetivo principal es que el lector pueda diseñar, explicar y comunicar mejor estos sistemas.
Temas principales
- Arquitecturas de redes neuronales recurrentes (RNN-LSTM) y su funcionamiento interno.
- Mecanismos de atención y bloques transformer como base de los grandes modelos de lenguaje.
- Fundamentos de aprendizaje profundo explicados de forma agnóstica al código.
- Relación entre el comportamiento artificial y la ciencia cognitiva.
- Diseño, explicación y comunicación de modelos de inteligencia artificial.
¿Para quién está recomendado?
Este libro está dirigido a estudiantes, desarrolladores, investigadores y profesionales del ámbito de la inteligencia artificial y la ciencia de datos que ya tienen un conocimiento básico de aprendizaje profundo y desean profundizar en la teoría subyacente de las redes recurrentes y los transformers. También es adecuado para aquellos que, aunque usan bibliotecas de alto nivel, quieren comprender en profundidad cómo funcionan los modelos que implementan, mejorando así su capacidad para diseñar soluciones más efectivas y comunicar sus hallazgos.
Qué aporta este libro
- Una comprensión profunda y teórica de las arquitecturas RNN-LSTM y transformers, más allá de la mera implementación práctica.
- Un enfoque que vincula la inteligencia artificial con la ciencia cognitiva para entender mejor el comportamiento de los modelos.
- La capacidad de diseñar, explicar y comunicar modelos de aprendizaje profundo con mayor solidez y claridad.
- Una base sólida para entender el funcionamiento de los grandes modelos de lenguaje actuales, como los basados en GPT.
Ficha técnica
- Autor: DE JORGE BOTANA, GUILLERMO
- Editorial: EDICIONES COMPLUTENSE
- Idioma: Español
- Tema: Inteligencia y razonamiento, Computación e informática, Programación informática/desarrollo de software, Redes y comunicaciones informáticas, Inteligencia artificial
- Colección: DIVULGACION
- Encuadernación: Bolsillo
- Fecha de edición: agosto de 2024
- Número de páginas: 320
- Peso: 396 g
Valoración editorial
Esta obra destaca por su enfoque riguroso y pedagógico, ideal para quienes buscan ir más allá del "cómo" y adentrarse en el "por qué" de las redes neuronales recurrentes y los transformers. Su tratamiento agnóstico del código la convierte en un recurso valioso para consolidar fundamentos teóricos, mientras que la perspectiva cognitiva añade una capa de profundidad poco común en textos técnicos. Recomendado para profesionales que quieran comprender los pilares de la inteligencia artificial generativa actual.