Little Book of Deep Learning [PDF de 143 p]

• Libro introductorio sobre deep learning del profesor François Fleure, editado para que sea fácil de leer en la pantalla de dispositivos móviles pequeños

I. Fundamentos

1. Machine Learning
   1.1 Aprendizaje a partir de datos
   1.2 Regresión con funciones base
   1.3 Subajuste y sobreajuste
   1.4 Categorías de modelos
2. Cómputo eficiente
   2.1 GPUs, TPUs y lotes
   2.2 Tensores
3. Entrenamiento
   3.1 Pérdidas
   3.2 Modelos autorregresivos
   3.3 Descenso por gradiente
   3.4 Retropropagación
   3.5 Protocolos de entrenamiento
   3.6 Datos de entrenamiento

II. Modelos profundos

4. Componentes del modelo
   4.1 La noción de capa
   4.2 Capas lineales
   4.3 Funciones de activación
   4.4 Pooling
   4.5 Dropout
   4.6 Capas de normalización
   4.7 Conexiones de salto
   4.8 Capas de atención
   4.9 Embedding de tokens
   4.10 Codificación posicional
5. Arquitecturas
   5.1 Perceptrones multicapa
   5.2 Redes convolucionales
   5.3 Modelos de atención

III. Aplicaciones

6. Predicción
   6.1 Eliminación de ruido en imágenes
   6.2 Clasificación de imágenes
   6.3 Detección de objetos
   6.4 Segmentación semántica
   6.5 Reconocimiento de voz
   6.6 Representaciones texto-imagen
7. Síntesis
   7.1 Generación de texto
   7.2 Generación de imágenes

[readiz]

La lista de pendientes no deja de crecer. Jaja

[yinn27]

Gracias.

[ryudaewan]

Ya me empezó la presbicia hace un tiempo, supongo que por la edad, pero de entrada se agradece mucho que la letra sea grande ^^

[pugh123]

Muchas gracias por el buen material.