Noticias Programación

Aprendizaje profundo

Autor: Andrés Glassner
Editor: Sin prensa de almidón
Fecha: julio de 2021
Páginas: 750
ISBN: 978-1718500723
Imprimir: 1718500726
Kindle: B085BVWXNS
Audiencia: Desarrolladores interesados ​​en el aprendizaje profundo
Calificación: Mike James
Revisor: 5
¿Un libro sobre aprendizaje profundo sin ecuación a la vista?


Es una muy buena idea, pero creo que solo tiene sentido si ya sabes las ecuaciones. Este es un gran libro y no dejes que ninguno de mis comentarios te desanime. Claramente se ha beneficiado de una gran cantidad de trabajo, cuidado y atención, pero no creo que sirva particularmente bien al principiante absoluto. Por un lado, es simplemente demasiado largo. Si está buscando aprender algo tan complejo como el aprendizaje profundo, entonces necesita un atajo, por ejemplo, matemáticas, que le permita mantenerlo todo en su cabeza. Sin matemáticas tienes mucho que aprender sobre casos individuales para dominar y recordar.

Lo primero que hay que decir es que este libro comienza con lo básico. Básicamente obtienes un curso de estadística y muchas ideas de cálculo, álgebra lineal y geometría. La geometría se ajusta al estilo porque todo se explica en los diagramas de color. Los diagramas son en su mayoría excelentes y lo ayudarán a comprender los conceptos. Esta primera parte tiene 150 páginas y es mucho para entender si realmente nunca te has encontrado con las ideas antes.

Me entristece un poco la explicación de las estadísticas frecuentistas comparadas con las bayesianas. Las explicaciones son todas buenas. pero la idea de que los frecuentistas no usan el razonamiento de Bayes cuando es apropiado es incorrecta. Incluso el frecuentista más duro usaría la teorma de Bayes para calcular las probabilidades condicionales en situaciones en las que se necesitan decisiones. La división entre ellos es que los frecuentadores no creen que existan probabilidades a menos que puedan medirse, aunque solo sea en teoría, mediante experimentos repetidos. Los bayesianos generalmente están contentos con la probabilidad interpretada como una medida de creencia. Estoy feliz de decir que esta es la única parte del libro que discuto, el resto es muy convencional.

La Parte II trata sobre el aprendizaje automático básico y entra en demasiados detalles sobre técnicas, componentes centrales, agrupamiento, máquinas de vectores de soporte, etc. Que no son realmente esenciales para comprender el aprendizaje profundo, pero son una buena base. Las secciones sobre matrices de confusión y qué falla con el aprendizaje automático son muy buenas.

Las partes 3 y 4 tratan sobre el tema sugerido por el título y tienes que leer y seguir 300 páginas para llegar a él. Cuando lo haga, esta no es una introducción suave a los conceptos básicos, estas son técnicas avanzadas. Sorprendentemente, la parte 4 trata sobre redes convolucionales, redes recurrentes, aprendizaje por refuerzo, atención y redes adversas. Esto es material de vanguardia y todo explicado sin un programa o ecuación. En cambio, hay muchas imágenes.

Este es un libro extraordinario, pero es un libro muy extenso y muy exigente. No creo que pueda crear una introducción más accesible al aprendizaje automático y al aprendizaje profundo, pero aún así son 750 páginas de ideas difíciles. Como ya he dicho, sin matemáticas que lo reduzcan a principios generales será difícil tenerlo presente. Lo un poco triste es que si las ecuaciones estuvieran en el libro, las ilustraciones serían una excelente manera de entender lo que significan. Sugeriría enfáticamente que el autor produzca otra versión de este libro completa con ecuaciones, sería más corta pero más valiosa.

Mi suposición es que el lector ideal para este libro es alguien que sabe matemáticas, pero quiere entender sus implicaciones en un nivel más intuitivo. Si usted es un lector así, avanzará rápidamente a través del libro y repetirá movimientos de «ja, ja» a medida que comprenda lo que pensaba que ya sabía.

Si está interesado en el aprendizaje automático, vale la pena intentarlo. Lo encontrará demasiado largo o simplemente brillante.

Para obtener más consejos sobre libros de aprendizaje profundo, consulte Libros de IA para inspirarlo en nuestra sección Biblioteca del programador.

Para mantenerse al día con nuestra cobertura de libros de programación, siga @bookwatchiprog en Twitter o suscríbase a la fuente RSS de TecnoPasion’s Books para la nueva incorporación diaria a Book Watch y nuevas reseñas.

Bandera


También puede gustarte...