Name: Inteligencia artificial
Brand: Ediciones de la U
SKU: 392184

☑️ ENVÍO GRATIS a toda Colombia por compras superiores a $ 79.000 (*)

SINOPSIS DEL LIBRO:

Este libro tiene como objetivo acercar al lector, de una manera teórica y práctica, a la Inteligencia Artificial moderna usando modelos neuronales artificiales profundos que constituyen la base actual de esta tecnología.Esta obra, dirigida a estudiantes y profesionales, nos brinda información clara y concisa sobre la IA en la que se abordan desde el concepto de neurona artificial planteado en 1943 hasta las últimas aplicaciones de Modelos Generativos y Aprendizaje Reforzado. Se tratan aplicaciones prácticas en el campo de bioseñales, reconocimiento de imágenes, series temporales y sistemas de IA que dirigen videojuegos, entre muchas otras cosas.Cada capítulo contiene una parte de teoría e incluye actividades y ejemplos prácticos con el propósito de facilitar la asimilación de los conocimientos tratados. Está escrito con lenguaje claro y didáctico por lo que es muy adecuado para impartir cursos sobre sistemas de IA o bien de Modelos Neuronales. Además, el libro se acompaña de un repositorio de código con todas las prácticas resueltas en Python, y listas para ejecutarse en entornos como Google Colab.

Características:

Atributos LU

Año de Edición

2022

Descatalogado

Tipo

Libro

Autor

Varios Autores

Subtítulo

Casos prácticos con aprendizaje profundo

ISXN

9789587924404

Idioma

Español

Núm. Páginas

336

Peso (Físico)

510

Tamaño (Físico)

17 x 24 cm

Acabado (Físico)

Tapa Rústica

Título

Inteligencia artificial

Biografía del Autor

Tabla de Contenido

AGRADECIMIENTOS

AUTORES

INTRODUCCIÓN AL LIBRO

CAPÍTULO 1. INTRODUCCIÓN AL APRENDIZAJE PROFUNDO

1.1 EL SIGLO DE LOS DATOS

1.2 ANÁLISIS DE LOS DATOS. ETAPAS

1.3 APRENDIZAJE MÁQUINA. TIPOS Y APLICACIONES

1.4 APRENDIZAJE PROFUNDO. BREVE HISTORIA

1.5 BIBLIOGRAFÍA

CAPÍTULO 2. MODELOS NEURONALES MULTIFUNCIÓN

2.1 NEURONA ARTIFICIAL. ELEMENTOS QUE LA FORMAN

2.2 PERCEPTRÓN. ALGORITMO DE APRENDIZAJE

2.3 ADALINA. DESCENSO POR GRADIENTE. LMS

2.4 ESTRUCTURAS ADAPTATIVAS. VARIANTES DEL LMS

2.5 PERCEPTRÓN MULTICAPA. BACKPROPAGATION

2.6 VARIANTES DEL BACKPROPAGATION. ELECCIÓN DE LA

ARQUITECTURA

2.7 APLICANDO EL PERCEPTRÓN MULTICAPA

2.7.1 Arquitectura

2.7.2 Modo de funcionamiento

2.7.3 Función de coste

2.7.4 Sobreajuste (overfitting)

2.7.5 Preprocesado de las entradas

2.7.6 Problemas con estructuras profundas

2.8 MODELOS NEURONALES PARA CLUSTERING. SOM

2.9 LABORATORIO

2.10 BIBLIOGRAFÍA

CAPÍTULO 3. MODELOS NEURONALES ORIENTADOS A VISIÓN

3.1 PROBLEMAS DEL MLP EN IMÁGENES

3.2 ARQUITECTURA DE UNA CNN. PARTES ESENCIALES

3.3 ARQUITECTURAS FAMOSAS

3.3.1 Modelos más relevantes que han participado en el ILSVRC

3.4 AUMENTO DE DATOS Y TRANSFERENCIA DE APRENDIZAJE

3.5 OTRAS APLICACIONES DE LAS CNN

3.5.1 Detección de objetos

3.5.2 Segmentación de imágenes

3.5.3 Laboratorio

3.6 BIBLIOGRAFÍA

CAPÍTULO 4. MODELOS NEURONALES ORIENTADOS A DATOS

TEMPORALES

4.1 DATOS TEMPORALES. CARACTERÍSTICAS

4.2 MODELOS MULTICAPA RECURRENTES CLÁSICOS

4.3 REDES RECURRENTES (RNN)

4.4 LONG-SHORT-TERM MEMORY (LSTM)

4.5 REDES GATED RECURRENT UNIT (GRU)

4.6 APLICACIONES DE LAS REDES RECURRENTES

4.7 LABORATORIO

4.8 BIBLIOGRAFÍA

CAPÍTULO 5. MODELOS GENERATIVOS

5.1 INTRODUCCIÓN A LOS MODELOS GENERATIVOS

5.2 AUTOENCODERS

5.3 AUTOENCODERS VARIACIONALES

5.4 GAN (GENERATIVE ADVERSARIAL NETWORKS)

5.5 PROBLEMAS EN EL AJUSTE DE LAS GAN

5.6 VARIACIONES DE LAS GAN

5.7 LABORATORIO

5.8 BIBLIOGRAFÍA

CAPÍTULO 6. APRENDIZAJE REFORZADO

6.1 INTRODUCCIÓN AL APRENDIZAJE REFORZADO

6.2 ELEMENTOS MATEMÁTICOS A TENER EN CUENTA EN EL

APRENDIZAJE REFORZADO

6.3 MÉTODOS DE APRENDIZAJE POR DIFERENCIAS TEMPORALES:

SARSA Y Q-LEARNING

6.4 APRENDIZAJE REFORZADO PROFUNDO

6.5 LABORATORIO

6.6 BIBLIOGRAFÍA

MATERIAL ADICIONAL

Flash Sale 20off - 23marzo - 4

ISBN: 9789587924404

Referencia: 392184

Compra el libro

Libro Impreso

Ediciones de la U

Autor: Varios Autores

Cargando comentarios…

$ 94.000 COP