Aprendizaje profundo para programadores con fastai y PyTorch

Prefacio

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

El aprendizaje profundo es una nueva y potente tecnología, y creemos que debería aplicarse en muchas disciplinas. Los expertos en la materia son los que tienen más probabilidades de encontrarle nuevas aplicaciones, y necesitamos que más personas de todos los ámbitos se impliquen y empiecen a utilizarla.

Por eso Jeremy cofundó fast.ai, para facilitar el uso del aprendizaje profundo mediante cursos y software gratuitos en línea. Sylvain es ingeniero de investigación en Hugging Face. Anteriormente fue investigador científico en fast.ai y profesor de matemáticas e informática en un programa que prepara a los estudiantes para entrar en las universidades de élite de Francia. Juntos escribimos este libro con la esperanza de poner el aprendizaje profundo en manos del mayor número posible de personas.

A quién va dirigido este libro

Si eres un completo principiante en el aprendizaje profundo y el aprendizaje automático, serás bienvenido aquí. Nuestra única expectativa es que ya sepas programar, preferiblemente en Python.

¿No tienes experiencia? ¡No hay problema!

Si no tienes experiencia codificando, ¡tampoco pasa nada! Los tres primeros capítulos se han escrito explícitamente de forma que permitan a los ejecutivos, jefes de producto, etc. comprender las cosas más importantes que necesitarán saber sobre el aprendizaje profundo. Cuando veas trozos de código en el texto, intenta echarle un vistazo para tener una idea intuitiva de lo que hacen. Los detalles de la sintaxis no son ni mucho menos tan importantes como una comprensión de alto nivel de lo que está ocurriendo.

Si ya eres un profesional seguro del aprendizaje profundo, también encontrarás mucho aquí. En este libro, te mostraremos cómo conseguir resultados de primera clase, incluyendo técnicas de las últimas investigaciones. Como mostraremos, esto no requiere una formación matemática avanzada ni años de estudio. Sólo requiere un poco de sentido común y tenacidad.

Lo que debes saber

Como hemos dicho antes, el único requisito previo es que sepas codificar en (basta con un año de experiencia), preferiblemente en Python, y que hayas seguido al menos un curso de matemáticas de bachillerato. No importa si ahora recuerdas poco; lo repasaremos cuando sea necesario. Khan Academy tiene magníficos recursos gratuitos en línea que pueden ayudarte.

No estamos diciendo que el aprendizaje profundo no utilice las matemáticas más allá del nivel de bachillerato, pero te enseñaremos (o te dirigiremos a recursos que te enseñarán) los fundamentos que necesitas a medida que cubramos las asignaturas que los requieren.

El libro comienza con el panorama general y profundiza progresivamente bajo la superficie, por lo que puede que necesites, de vez en cuando, dejarlo a un lado e ir a aprender algún tema adicional (una forma de codificar algo o un poco de matemáticas). Eso está completamente bien, y es la forma en que pretendemos que se lea el libro. Empieza a hojearlo, y consulta los recursos adicionales sólo cuando sea necesario.

Ten en cuenta que los usuarios de Kindle u otros ereaders pueden tener que hacer doble clic en las imágenes para ver las versiones a tamaño completo.

Recursos en línea

Todos los ejemplos de código que se muestran en este libro están disponibles en línea en forma de cuadernos Jupyter (no te preocupes; aprenderás todo sobre qué es Jupyter en el Capítulo 1). Se trata de una versión interactiva del libro, en la que puedes ejecutar el código y experimentar con él. Consulta el sitio web del libro para obtener más información. El sitio web también contiene información actualizada sobre la configuración de las distintas herramientas que presentamos y algunoscapítulos adicionales.

Lo que aprenderás

Después de leer este libro, sabrás lo siguiente:

• Cómo entrenar modelos que consigan resultados de vanguardia en

  • Visión por ordenador, incluida la clasificación de imágenes (por ejemplo, clasificar fotos de mascotas por razas) y localización y detección de imágenes (por ejemplo, encontrar los animales en una imagen).

  • Procesamiento del lenguaje natural (PLN), incluida la clasificación de documentos (por ejemplo, análisis de opiniones sobre películas) y modelado del lenguaje

  • Datos tabulares (por ejemplo, predicción de ventas) con datos categóricos, continuos y mixtos, incluidas series temporales

  • Filtrado colaborativo (por ejemplo, recomendación de películas)

• Cómo convertir tus modelos en aplicaciones web

• Por qué y cómo funcionan los modelos de aprendizaje profundo, y cómo utilizar ese conocimiento para mejorar la precisión, velocidad y fiabilidad de tus modelos

• Las últimas técnicas de aprendizaje profundo que realmente importan en la práctica

• Cómo leer un trabajo de investigación sobre aprendizaje profundo

• Cómo implementar algoritmos de aprendizaje profundo desde cero

• Cómo pensar en las implicaciones éticas de tu trabajo, para ayudar a garantizar que estás haciendo del mundo un lugar mejor y que tu trabajo no se utiliza indebidamente para hacer daño.

Consulta el índice para ver la lista completa, pero para que te hagas una idea, aquí tienes algunas de las técnicas tratadas (no te preocupes si ninguna de estas palabras significa nada para ti todavía: pronto las aprenderás todas):

• Funciones afines y no linealidades

• Parámetros y activaciones

• Inicialización aleatoria y aprendizaje por transferencia

• SGD, Momentum, Adam y otros optimizadores

• Convoluciones

• Normalización por lotes

• Abandono

• Aumento de datos

• Decaimiento del peso

• Arquitecturas ResNet y DenseNet

• Clasificación y regresión de imágenes

• Incrustaciones

• Redes neuronales recurrentes (RNN)

• Segmentación

• U-Net

• Y mucho más.

Cuestionarios de los capítulos

Si miras al final de cada capítulo, encontrarás un cuestionario. Es un lugar estupendo para ver lo que tratamos en cada capítulo, ya que (¡esperamos!) al final de cada uno, serás capaz de responder a todas las preguntas que allí figuran. De hecho, uno de nuestros revisores (¡gracias, Fred!) dijo que le gusta leer primero el cuestionario, antes de leer el capítulo, para saber a qué atenerse.

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación tecnológica y empresarial, conocimientos y perspectivas para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje en línea . La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita http://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-998-9938 (en Estados Unidos o Canadá)
• 707-829-0515 (internacional o local)
• 707-829-0104 (fax)

Tenemos una página web para este libro, donde se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/deep-learning-for-coders.

Envía un correo electrónico a [e-mail] para comentar o hacer preguntas técnicas sobre este libro.

Para obtener noticias e información sobre nuestros libros y cursos, visita http://oreilly.com.

Encuéntranos en Facebook: http://facebook.com/oreilly

Síguenos en Twitter: http://twitter.com/oreillymedia

Míranos en YouTube: http://www.youtube.com/oreillymedia