Este artículo fue publicado como parte del Blogatón de ciencia de datos
“Algunas cosas nunca cambian, su esencia y aportes siguen siendo los mismos hasta la fecha”.
Introducción
A través de esta línea estoy señalando la contribución milenaria de los libros en la educación de las personas; incluso hasta la fecha, dependemos en gran medida del texto, los artículos y los libros.
Siempre fui un tipo de persona que da conferencias en video, parecen menos aburridos hasta el punto, pero mi opinión cambió drásticamente una vez que descubrí estos libros sobre aprendizaje profundo de estos editores de élite. Durante mucho tiempo, pensé que los libros no eran una buena opción para estudiar conceptos matemáticos y de informática tan complejos, pero me alegra que estos libros demuestren que estoy equivocado.
Los libros mencionados aquí son algunos de todos; que he pasado. Son mi opinión honesta, según mi leal saber y entender, y algunos libros especiales que se mencionan aquí se encuentran entre los mejores libros de la industria publicados sobre aprendizaje profundo que incluso Google y Facebook los recomiendan. Los conocerá una vez que lea el artículo.
Este libro trata de todo el camino desde la IA clásica que se ocupa de los algoritmos de búsqueda, la búsqueda inteligente y otras cosas como estas, hasta una parte más evolutiva de la IA que incluye el aprendizaje automático popularizado del siglo XXI, el aprendizaje profundo y el aprendizaje Q de refuerzo.
El plan de estudios incluye estos temas en secuencia { Intuición de inteligencia artificial, conceptos básicos de búsqueda, búsqueda avanzada, algoritmos evolutivos, inteligencia de enjambre: hormigas, inteligencia de enjambre: partículas, aprendizaje automático, redes neuronales artificiales, refuerzo con Q-Learning}. Aprenderá y establecerá la base de cómo y a través de qué procesos evolucionó la IA de hoy.
Recomiendo este libro a aquellos que están profundizando en la IA por primera vez y les apasiona conocer la evolución de la IA, todos sus aspectos centrales y no solo algunos algoritmos famosos de aprendizaje automático o aprendizaje profundo.
2. Deep Learning From Scratch: Building with Python from First Principles por Seth Weidman publicado por O`Reilley
El libro sigue literalmente el concepto mencionado en su nombre, que es Construir desde los primeros principios. El autor menciona claramente en este libro que cuando aprendemos cualquier concepto de la informática, digamos «buscar», luego para explicar dicho concepto.
Los elementos más cruciales para explicarlo adecuadamente serían
- Una explicación del algoritmo en inglés simple para que el glosario se convierta en un factor menos confuso,
- Representación visual del funcionamiento de ese algoritmo para que el lector pueda imaginarse fácilmente el concepto con más comprensión.
- Una explicación matemática de «por qué funcionan los algoritmos», y
- Implementación de pseudocódigo del algoritmo.
Este libro hace todo lo posible para cumplir con todos los roles mencionados anteriormente para cualquier persona con poca experiencia y consistencia para aprender el aprendizaje profundo. Este libro no tan grueso es bastante sorprendente.
3. Aprendizaje profundo en Python / Pytorch por Manning Publications
Estos libros en particular son tan populares y sorprendentes que Pytorch recomienda la versión PyTorch de este libro en las referencias de lectura de su sitio oficial e incluso hizo que el «Aprendizaje profundo con Pytorch» esté disponible para todos de forma gratuita.
Definitivamente son los libros preferidos para comenzar con el aprendizaje profundo y también algunos prácticos. Veamos en qué consiste toda la portada en su contenido:
3.1 Aprendizaje profundo con Python
El libro está dividido en 2 partes: Primero (Fundamentos del aprendizaje profundo) donde aprenderá sobre los conceptos de alto nivel y más cruciales del aprendizaje profundo.
Segundo (aprendizaje profundo en la práctica) donde el libro cubre aprendizaje profundo para visión artificial, texto y secuencias, práctica avanzada de aprendizaje profundo, aprendizaje profundo generativo.
3.2 Aprendizaje profundo con PyTorch
Ya les dije lo popular que es este libro, veamos su contenido. El libro se divide en 3 partes:
Parte 1 (Core PyTorch) donde aprenderá sobre Introducción al aprendizaje profundo y PyTorch como biblioteca, modelos preentrenados, tensores y sus aplicaciones y más.
Luego viene la Parte 2 (Aprendiendo de las imágenes en el mundo real) cubre un ejemplo de la vida real de la detección temprana del cáncer de pulmón y su desarrollo completo en detalle que, en mi opinión, agrega mucha perspectiva para el alumno.
Parte 3 (Despliegue) habla sobre el último paso del desarrollo de cualquier aplicación de aprendizaje automático por primera vez, que es permitir que otros usen su modelo y hacer que su modelo viva en el mundo real.
4. Grokking Deep Learning por Andrew W. Trask publicado por Manning Publications
Si quieres creer en mi palabra y me preguntas «Gargeya, ¿por dónde crees que debería empezar?» Cerraría los ojos y le señalaría este libro. Un libro fantástico sobre aprendizaje profundo que incluso me hace sentir por qué no empecé con esto.
Este libro cubre la mayoría de los temas que necesitaría para ensuciarse las manos con el aprendizaje profundo y caminar una pendiente exponencial positiva hacia el conocimiento y la intuición.
Esto es un breve resumen de lo que aprenderá: {Introducción al aprendizaje profundo y por qué debería hacerlo, Conceptos fundamentales, Introducción a la red neuronal, descenso de gradiente en detalle, visualización de redes neuronales, retropropagación y concepto de aprendizaje, procesamiento por lotes y regularización, Redes recurrentes para datos de texto, LSTM y, por último, aprendizaje federado }. Créame, si esto no es suficiente para comenzar, la mayoría de las cosas no lo son.
5. Aprendizaje automático práctico con Scikit-learn Keras y TensorFlow de Aurelion Geron publicado por O` Reilley
Una vez que haya terminado con las estadísticas básicas, el aprendizaje automático y el aprendizaje profundo. Ahora quieres mejorar tu juego con implementaciones prácticas y crear un modelo de aprendizaje profundo completo en TensorFlow. Este es el libro que no solo yo, sino también Tensorflow sugiere.
Personalmente, sigo este libro constantemente y en términos de aprendizaje profundo con TensorFlow, este es mi mejor libro. La forma en que el autor ha explicado los conceptos es excepcionalmente fácil e intuitiva. Me hacía sentir más poderoso cada vez que terminaba con una sección determinada.
El libro es un tesoro de conocimiento con más de 800 páginas sobre temas: {Fundamentos, Proyecto de aprendizaje automático de extremo a extremo, Algoritmos y técnicas de aprendizaje automático más comunes detallados, Red neuronal con Keras, Modelos personalizados y entrenamiento con Tensorflow, Visión por computadora profunda con convoluciones, Modelos de secuencia con RNN y LSTM, Modelos de atención, Aprendizaje generativo como Autoencoders y GAN, aprendizaje por refuerzo}.
Aprender y trabajar en paralelo con este libro cambiará por completo su nivel de habilidad en el aprendizaje automático y el aprendizaje profundo en la práctica. Definitivamente deberías probarlo.
6. Deep Learning de Ian Goodfellow, Yoshua Bengio y Aaron Courville publicado por MIT Press
Permítanme aclarar algunos hechos, los autores de este libro incluyen a los pioneros del aprendizaje profundo, Yoshua Bengio, uno de los tres padrinos del aprendizaje profundo, Ian Goodfellow popular de esta creación de Redes generativas adversarias (GAN).
Este libro es una leyenda entre todos los libros sobre aprendizaje profundo. El libro no solo habla sobre los conceptos de aprendizaje profundo, sino que primero muestra sus conocimientos y conceptos de matemáticas aplicadas (álgebra lineal, teoría de la probabilidad y la información, cálculos numéricos) y conceptos básicos del aprendizaje automático en términos de matemáticas (los componentes básicos más bajos de la inteligencia artificial). ).
Una vez que haya pasado por la Parte 1, entonces viene Parte 2 – estudio detallado sobre aprendizaje profundo: prácticas modernas (Red Deep Feedforward, Regularización, Optimización, Redes convolucionales, Modelado de Secuencia, Aplicaciones).
Después de profundizar realmente en todos estos conceptos y crear una lógica e intuición incondicionales sobre el aprendizaje profundo, llega Parte 3 (Investigación de aprendizaje profundo) que incluye algunos de los temas más populares de investigación en aprendizaje profundo como (PCA probabilístico y análisis factorial, codificadores automáticos, modelos probabilísticos estructurados para aprendizaje profundo, métodos Monte Carlo, modelos generativos profundos y todo eso).
No recomendaría este libro a todo el mundo, sino a aquellos que se centran especialmente en el aprendizaje profundo y están dispuestos a trabajar muy duro en todas las matemáticas y no desviarse del aprendizaje profundo.
7. Aprendizaje profundo para programadores con fastai y PyTorch por Jeremy Howard y Sylvain Gugger publicado por O`Reilley
Salvando lo mejor recurso de paquete completo para el final. Este libro se encuentra definitivamente entre mis 3 libros favoritos, absolutamente hermoso no solo en términos de aprendizaje profundo, sino también en todos los demás factores muy importantes relacionados con el aprendizaje profundo en la práctica, como Del modelo a la producción, la ética de los datos y su viaje de aprendizaje profundo (un mapa a seguir). Estas tres cosas son realmente muy importantes si espera convertirse en un ingeniero de aprendizaje profundo o en algo remotamente similar en la práctica.
Respaldado por todo el sitio web fast.ai para enseñar a las personas el aprendizaje profundo desde cero de forma gratuita con tutoriales en video completos, Labs en el entorno de aprendizaje profundo de paperspace, introducción a una biblioteca muy poderosa para el aprendizaje profundo en PyTorch ie fastai. El libro es lo suficientemente detallado con tanto contenido práctico que definitivamente aprenderá algo nuevo después de cada lectura.
Permítanme darles una idea de lo que verán dentro de este libro {las aplicaciones de fastai que incluyen Clasificación de imágenes, entrenamiento de modelos de última generación, análisis profundo de filtrado colaborativo, modelado tabular, análisis profundo de PNL, luego viene más allá Modelo de lenguaje desde cero, arquitectura CNN como ResNets y todas las demás arquitecturas esenciales de aprendizaje profundo desde cero} Recomiendo esto a las personas interesadas en el aprendizaje profundo.
Eso es todo por este artículo, espero que ahora pierda menos tiempo deambulando y confundiéndose y comience con cualquiera de los libros que más le encantó. Sigue creciendo, mis compañeros miembros de la comunidad de IA.
Gargeya Sharma
B. Tecnología Informática 3er año
Especializado en ciencia de datos y aprendizaje profundo
Pasante científico de datos en Upswing Cognitive Hospitality Solutions
Para obtener más información, consulte mi página de inicio de Github
Foto por Jakob Boman sobre Unsplash
Los medios que se muestran en este artículo no son propiedad de DataPeaker y se utilizan a discreción del autor.
