El Machine Learning y la inteligencia artificial

Sinopsis del producto

Si está listo para aventurarse más allá de los conceptos introductorios e indagar en el aprendizaje automático, en el aprendizaje profundo y en la inteligencia artificial (IA), el formato de preguntas y respuestas que presenta el libro El Machine Learning y la IA le facilitará mucho las cosas. n nNacido de las cuestiones que a menudo se plantea el autor, Sebastián Raschka, este libro muestra un método directo y sin rodeos para acercarle a temas avanzados, que presenta de forma rápida y accesible. Cada capítulo es breve y autónomo, y aborda una cuestión fundamental de la IA, desvelándola con explicaciones claras, diagramas y ejercicios prácticos. n nEn esta lectura encontrará: n nCAPÍTULOS CONCISOS: Las preguntas clave de la IA se responden de forma sencilla y las ideas complejas se desglosan en piezas fáciles de digerir. n nGAMA AMPLIA DE TEMAS: Raschka cubre temas que van desde la arquitectura de las redes neuronales y la evaluación de los modelos hasta la visión informática y el procesamiento del lenguaje natural. n nUSOS PRÁCTICOS: Conocerá técnicas para mejorar el rendimiento de los modelos, afi nar modelos grandes y mucho más. n nTambién aprenderá a: n• Gestionar las distintas fuentes de aleatoriedad en la formación de redes neuronales n• Diferenciar entre arquitecturas de codifi cador y decodifi cador en modelos de lenguaje grandes n• Reducir el sobreajuste con modifi caciones de datos y modelos n• Construir intervalos de confi anza para clasifi cadores y optimizar los modelos con datos etiquetados limitados n• Elegir entre paradigmas distintos de formación multi-GPU y tipos diferentes de modelos de IA generativa n• Comprender las métricas de rendimiento para el procesamiento del lenguaje natural n• Dar sentido a los sesgos inductivos en los transformadores de visión n nSi busca el recurso perfecto para mejorar su comprensión del aprendizaje automático, El Machine Learning y la IA le ayudará a avanzar fácilmente en este camino. n nAUTORES n nSebastian Raschka n nSebastián Raschka es doctor e investigador del aprendizaje automático (AA) y la inteligencia artificial (IA) con una pasión fuerte por la educación. Como educador principal de IA en Lightning AI, le entusiasma hacer que la IA y el aprendizaje profundo sean más accesibles y enseñar a la gente a utilizar estas tecnologías a escala. Antes de dedicarse plenamente a Lightning AI, Sebastián ocupó el puesto de profesor de estadística adjunto en la Universidad de Wisconsin-Madison, donde se especializó en la investigación del aprendizaje profundo y el aprendizaje automático (machine learning, en inglés). Puede obtener más información sobre sus investigaciones en el sitio web (https://Sebastiánraschka.com). A Sebastián también le encanta el software de código abierto y es un colaborador apasionado desde hace más de una década. Aparte de programar, también le encanta escribir y es autor de los libros superventas Python Machine Learning y Machine Learning with PyTorch and Scikit-Learn (ambos de Packt Publishing). n nCONTENIDO n nPreámbulo ............................................................... xvii nAgradecimientos ...................................................... xix nIntroducción ............................................................. xxi n nPARTE I: REDES NEURONALES Y APRENDIZAJE nPROFUNDO n nCapítulo 1. Incrustaciones, espacio latente y nrepresentaciones ........................... 3 nCapítulo 2. Aprendizaje autosupervisado ................... 9 nCapítulo 3. Aprendizaje con pocos golpes ................. 17 nCapítulo 4. La hipótesis del boleto de lotería ............ 21 nCapítulo 5. Reducción del sobreajuste con datos ...... 25 nCapítulo 6. Reducción del sobreajuste con nmodificaciones del modelo ....................................... 31 nCapítulo 7. Paradigmas de la formación multi-GPU .. 41 nCapítulo 8. El éxito de los transformadores .............. 49 nCapítulo 9. Modelos de IA generativa ....................... 55 nCapítulo 10. Fuentes de aleatoriedad ....................... 67 n nPARTE II: VISIÓN INFORMÁTICA n nCapítulo 11. Cálculo del número de parámetros n.................................................................................. 77 nCapítulo 12. Capas convolucionales y totalmente nconectadas ............................................................... 83 nCapítulo 13. Conjuntos de formación grandes para ntransformadores de visión........................................ 87 n nPARTE III: PROCESAMIENTO DEL LENGUAJE NATURAL n nCapítulo 14. La hipótesis distribucional..................... 97 nCapítulo 15. Aumento de datos para texto ............. 103 nCapítulo 16. Autoatención ...................................... 109 nCapítulo 17. Transformadores tipo codificador y ndecodificador ......................................................... 115 nCapítulo 18. Uso y afinación de transformadores con nformación previa .................................................... 125 nCapítulo 19. Evaluación de modelos de lenguaje ngrandes generativos ............................................... 141 n nPARTE IV: PRODUCCIÓN E INSTALACIÓN n nCapítulo 20. Formación sin estado y con estado ..... 153 nCapítulo 21. IA centrada en los datos ...................... 157 nCapítulo 22. Aceleración de la inferencia ................ 161 nCapítulo 23. Cambios en la distribución de los datos n....................................... 167 n nPARTE V: DESEMPEÑO PREDICTIVO Y EVALUACIÓN DE nLOS MODELOS n nCapítulo 24. Regresión de Poisson y ordinal ............ 175 nCapítulo 25. Intervalos de confianza ....................... 177 nCapítulo 26. Intervalos de confianza y predicciones nconformes .............................................................. 187 nCapítulo 27. Métricas adecuadas ............................ 195 nCapítulo 28. La k en la validación cruzada de k niteraciones .............................................................. 201

9788426738622

Raschka, Sebastian