El Aprendizaje Profundo es una importante rama del Aprendizaje Automático (AA) que se enmarca dentro de la Inteligencia Artificial (IA) y abre un campo de conocimiento muy amplio en continuo auge debido a los avances tecnológicos que permiten el procesamiento de grandes cantidades de datos con estructuras complejas, cuyo exponente máximo son las redes neuronales, en específico las catalogadas como profundas. Las aplicaciones tecnológicas de esta rama pueden ser, entre otras, las ciudades inteligentes, la robótica, los vehículos autónomos y el internet de las cosas. En este libro se recopilan los conceptos dispersos, concernientes al aprendizaje profundo en los ámbitos profesional y académico, y se ponen a disposición de una manera clara, concisa y disciplinada. El contenido de esta obra constituye una útil referencia para que ingenieros, desarrolladores, investigadores, docentes y estudiantes consulten aspectos conceptuales y de implementación.
General
- Editorial : Alfaomega Grupo Editorial RC Libros (2021)
- Idioma : Español
- Pasta Rustica: 556 páginas
- ISBN-13 : 9789587786989
Características
VENTAJAS
• Esta obra trata de unir y aglutinar los conceptos dispersos del Aprendizaje Profundo para facilitar el conocimiento tanto a docentes e investigadores como a profesionales.
• Cada uno de los capítulos cuenta con una útil introducción.
• Cuenta con un índice analítico que será de mucha ayuda para la localización puntual de términos de interés.
• Cada uno de los temas es estudiado de una manera clara pero rigurosa.
CONOZCA
• Los principales conceptos de la computación numérica aplicados en el ámbito de las redes neuronales artificiales (RNA) y las redes neuronales convolucionales (RNC).
• Las características de las redes neuronales profundas.
• La base neurocientífica de las CNN (CNN, Convolutional Neural Networks), concretamente su inspiración biológica y sus implicaciones en los sistemas basados en visión.
• Las arquitecturas de las redes neuronales convolucionales (CNN).
APRENDE
• A realizar operaciones en redes neuronales convolucionales.
• A llevar a cabo una segmentación semántica de imágenes mediante las CNN.
• A aplicar las técnicas adecuadas para detectar o clasificar objetos en imágenes utilizando CNN.
• A utilizar los modelos de red (V1, V2, V3) y ShuffleNet para detectar y reconocer objetos y realizar una segmentación semántica de imágenes en dispositivos móviles.
