Aprendizaje profundo

El libro se estructura en torno a los siguientes temas clave: fundamentos de las redes neuronales, redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), modelos generativos y aprendizaje por refuerzo. Además, también cubrimos temas avanzados como el mecanismo de atención, la arquitectura de transformadores, el aprendizaje multimodal, el aprendizaje de pocos disparos, ejemplos y defensas adversariales, ajuste de hiperparámetros y técnicas de regularización.Cada capítulo comienza con una breve introducción al tema y proporciona una comprensión intuitiva y geométrica de los conceptos subyacentes. Creemos que la intuición geométrica es esencial para entender los conceptos del aprendizaje profundo, y hacemos todo lo posible por utilizar visualizaciones para ayudar a los lectores a construir un modelo mental sólido de los conceptos. El libro también proporciona intuición de programación, que ayuda a los lectores a entender cómo implementar algoritmos de aprendizaje profundo utilizando marcos populares como Tensor Flow o Py Torch. Creemos que la intuición de programación es crucial para que los lectores desarrollen habilidades prácticas y apliquen técnicas de aprendizaje profundo a problemas del mundo real.