Noticias Programación

Inteligencia artificial, aprendizaje automático y aprendizaje profundo (Mercury Learning)

Autor: Oswald Campesato
Editorial: Mercury Learning
Fecha: febrero de 2020
Páginas: 300
ISBN: 978-1683924678
Imprimir: 1683924673
Kindle: B084P1K9YP
Público: desarrolladores interesados ​​en el aprendizaje automático
Calificación: 4
Revisor: Mike James

Otro libro de IA / ML: ¿hay espacio para otro?

El mercado de libros AI / ML está más que suficientemente satisfecho y otro libro en la misma área necesita algo para que valga la pena comprarlo. Esto es interesante porque es pequeño, delgado y está bien escrito. Si desea una discusión completa y detallada de las matemáticas y la implementación, hay muchos volúmenes muy gruesos que puede considerar. Algunos de ellos están escritos por expertos tan cercanos a su tema que explican cada giro y giro hacia el dominio del tema. Estos no son buenos si desea una descripción general rápida o una guía de «introducción», y ahí es donde entra este libro.

Este libro es bastante breve y no dedica demasiado tiempo a repasar la historia y los problemas de gestión. Es un libro que tiene como objetivo informarle sobre AI / ML y comenzar con un trabajo práctico. La implementación se realiza a través de Python, Keras, TensorFlow y Pandas, lo cual es perfectamente razonable, ya que son lo que la mayoría de la gente usa al límite, solo el borde realmente sangriento usa algo más personalizado.

El libro es un poco lento al principio y el Capítulo 1 dedica demasiado tiempo a reflexionar sobre qué es la IA. Si desea obtener más información, consulte el Capítulo 2. Aquí se presentan los conceptos básicos del aprendizaje automático, pero de manera muy tangencial al principio. No estoy seguro de querer introducir la reducción de personal en este momento, pero es una cuestión de gustos. Gran parte de este capítulo trata sobre probar y evaluar la validez de un método de AA; de nuevo, es mejor dejarlo para más adelante.

Cuando finalmente nos encontramos con un verdadero método ML, es la regresión lineal, que siempre me detiene porque la considero una técnica estadística clásica que difícilmente merece ser llamada ML. Además, la forma introducida ni siquiera es particularmente sofisticada: ¿la regresión gradual no se acerca más al ML que la simple regresión lineal multivariante? Este libro no es el único que ignora formas sofisticadas de regresión lineal: parece ser una tendencia moderna.

El capítulo 3 pasa a la clasificación: las cosas kNN habituales, árboles de decisión, bosques aleatorios, SVM, Bayes y regresión logística. No se menciona el análisis discriminante, otra técnica importante que la mayoría ignora.

El capítulo 4 comienza el aprendizaje profundo que sospecho es lo que la mayoría de los lectores quieren saber. Es un relato razonablemente práctico y comprensible y llegamos a las redes convolucionales.

El Capítulo 5 pasa a las redes recurrentes que están muy avanzadas para la mayoría de las aplicaciones del mundo real y en su mayoría eclipsadas por la idea de «atención» agregada a una red básica. El capítulo concluye con una mirada a los codificadores automáticos, que son muy importantes y deberían tener un capítulo aparte, y las GAN, que aún merecen un capítulo aparte.

El capítulo 6 también debe dividirse: el procesamiento del lenguaje natural y el aprendizaje por refuerzo son dos temas, no uno. Sin embargo, si se sigue mi consejo, el libro podría convertirse en algo indeseablemente grandioso. Personalmente, dejaría de lado la parte lingüística del contenido, ya que está lo suficientemente especializado como para que un libro general sobre IA / ML no se lo pierda.

Esto no es de vanguardia. Ni siquiera menciona algunas de las ideas de vanguardia que existen en este momento, y muchas de las ideas actualizadas que toca no se tratan con suficiente detalle. Ésta es la compensación al escribir un libro razonablemente corto. Siempre que no espere que este libro le diga todo, debería estar razonablemente satisfecho con su combinación de explicaciones informales y proyectos prácticos básicos.

Para obtener más recomendaciones de libros sobre este tema, consulte Libros de AI para inspirarle en la sección de estantería de nuestro programador.

Para mantenerse al día con nuestra cobertura de libros de programación, siga @bookwatchiprog en Twitter o suscríbete a la fuente RSS de TecnoPasion’s Books por cada día extra para ver libros y nuevas reseñas.

Bandera

Publicidad:

Publicidad:

También puede gustarte...

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *