Cesta de la compra

Deep learning. Principios y fundamentos

Autor Anna Bosch / Jordi Casas / Toni Lozano

Editorial UNIVERSITAT OBERTA DE CATALUNYA

Deep learning. Principios y fundamentos
-5% dto.    27,00€
25,65€
Ahorra 1,35€
Disponible online, recíbelo en 24/48h laborables
Envío gratis
España peninsular

En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnica...

Leer más...
  • Editorial UNIVERSITAT OBERTA DE CATALUNYA
  • ISBN13 9788491806561
  • ISBN10 8491806563
  • Tipo LIBRO
  • Páginas 260
  • Colección Manuales #666
  • Año de Edición 2019
  • Idioma Castellano
  • Encuadernación Rústica
  • Audiencia Profesional / académico

Materias

Aprendizaje

Deep learning. Principios y fundamentos

Autor Anna Bosch / Jordi Casas / Toni Lozano

Editorial UNIVERSITAT OBERTA DE CATALUNYA

En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnica...

-5% dto.    27,00€
25,65€
Ahorra 1,35€
Disponible online, recíbelo en 24/48h laborables
Envío gratis
España peninsular

Detalles del libro

En este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos. El enfoque del libro es claramente descriptivo, con el objetivo de que el lector entienda los conceptos e ideas básicos detrás de cada algoritmo o técnica. La primera parte del libro constituye una introducción al aprendizaje profundo, en general, y a las redes neuronales, en particular. En la segunda parte se describe el funcionamiento de las redes neuronales, partiendo de conceptos básicos (como la estructura de una neurona, las principales funciones de activación, etc.) hasta alcanzar conceptos avanzados (optimización del rendimiento de las redes neuronales o estrategias para evitar el problema del sobreentrenamiento). La tercera parte presenta los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales convolucionales (Convolutional neural networks, CNN) y su aplicación en el procesamiento de imágenes. Finalmente, el cuarto bloque de este texto se centra los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales recurrentes (Recurrent neural networks, RNN) y su aplicaciones para el procesamiento de series temporales y textos.

Materias

Aprendizaje