Aprendizaje profundo para programadores con fastai y PyTorch: aplicaciones de la IA sin un doctorado
A menudo se considera que el aprendizaje profundo es dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profun...
Gespeichert in:
| Beteiligte Personen: | , |
|---|---|
| Format: | Elektronisch E-Book |
| Sprache: | Spanisch |
| Veröffentlicht: |
Sebastopol, CA
O'Reilly Media, Inc.
2020
|
| Ausgabe: | Primera edición. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9781098183646/?ar |
| Zusammenfassung: | A menudo se considera que el aprendizaje profundo es dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. ¿Cómo? Con fastai, la primera biblioteca que proporciona una interfaz coherente para las aplicaciones de aprendizaje profundo más utilizadas. Los autores Jeremy Howard y Sylvain Gugger, creadores de fastai, te muestran cómo entrenar un modelo en una amplia gama de tareas utilizando fastai y PyTorch. También te sumergirás progresivamente en la teoría del aprendizaje profundo para adquirir una comprensión completa de los algoritmos que se esconden entre bastidores. |
| Beschreibung: | Includes index |
| Umfang: | 1 Online-Ressource (624 Seiten) illustrations |
| ISBN: | 9781098183646 1098183649 |
Internformat
MARC
| LEADER | 00000nam a22000002c 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-109662466 | ||
| 003 | DE-627-1 | ||
| 005 | 20241107103339.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 241107s2020 xx |||||o 00| ||spa c | ||
| 020 | |a 9781098183646 |c electronic bk. |9 978-1-0981-8364-6 | ||
| 020 | |a 1098183649 |c electronic bk. |9 1-0981-8364-9 | ||
| 035 | |a (DE-627-1)109662466 | ||
| 035 | |a (DE-599)KEP109662466 | ||
| 035 | |a (ORHE)9781098183646 | ||
| 035 | |a (DE-627-1)109662466 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a spa | ||
| 082 | 0 | |a 006.3/12 |2 23/eng/20241015 | |
| 100 | 1 | |a Howard, Jeremy |e VerfasserIn |4 aut | |
| 240 | 1 | 0 | |a Deep learning for coders with fastai and PyTorch |
| 245 | 1 | 0 | |a Aprendizaje profundo para programadores con fastai y PyTorch |b aplicaciones de la IA sin un doctorado |c Jeremy Howard y Sylvain Gugger |
| 250 | |a Primera edición. | ||
| 264 | 1 | |a Sebastopol, CA |b O'Reilly Media, Inc. |c 2020 | |
| 300 | |a 1 Online-Ressource (624 Seiten) |b illustrations | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a Includes index | ||
| 520 | |a A menudo se considera que el aprendizaje profundo es dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. ¿Cómo? Con fastai, la primera biblioteca que proporciona una interfaz coherente para las aplicaciones de aprendizaje profundo más utilizadas. Los autores Jeremy Howard y Sylvain Gugger, creadores de fastai, te muestran cómo entrenar un modelo en una amplia gama de tareas utilizando fastai y PyTorch. También te sumergirás progresivamente en la teoría del aprendizaje profundo para adquirir una comprensión completa de los algoritmos que se esconden entre bastidores. | ||
| 650 | 0 | |a Data mining | |
| 650 | 0 | |a Natural language processing (Computer science) | |
| 650 | 0 | |a Machine learning | |
| 650 | 0 | |a Python (Computer program language) | |
| 650 | 0 | |a Artificial intelligence | |
| 650 | 4 | |a Exploration de données (Informatique) | |
| 650 | 4 | |a Traitement automatique des langues naturelles | |
| 650 | 4 | |a Apprentissage automatique | |
| 650 | 4 | |a Python (Langage de programmation) | |
| 650 | 4 | |a Intelligence artificielle | |
| 650 | 4 | |a artificial intelligence | |
| 700 | 1 | |a Gugger, Sylvain |e VerfasserIn |4 aut | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9781098183646/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-109662466 |
|---|---|
| _version_ | 1829007831125196800 |
| adam_text | |
| any_adam_object | |
| author | Howard, Jeremy Gugger, Sylvain |
| author_facet | Howard, Jeremy Gugger, Sylvain |
| author_role | aut aut |
| author_sort | Howard, Jeremy |
| author_variant | j h jh s g sg |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)109662466 (DE-599)KEP109662466 (ORHE)9781098183646 |
| dewey-full | 006.3/12 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 006 - Special computer methods |
| dewey-raw | 006.3/12 |
| dewey-search | 006.3/12 |
| dewey-sort | 16.3 212 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | Primera edición. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02746nam a22005052c 4500</leader><controlfield tag="001">ZDB-30-ORH-109662466</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20241107103339.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">241107s2020 xx |||||o 00| ||spa c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9781098183646</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">978-1-0981-8364-6</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">1098183649</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">1-0981-8364-9</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)109662466</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP109662466</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9781098183646</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)109662466</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">spa</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.3/12</subfield><subfield code="2">23/eng/20241015</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Howard, Jeremy</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Deep learning for coders with fastai and PyTorch</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Aprendizaje profundo para programadores con fastai y PyTorch</subfield><subfield code="b">aplicaciones de la IA sin un doctorado</subfield><subfield code="c">Jeremy Howard y Sylvain Gugger</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">Primera edición.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Sebastopol, CA</subfield><subfield code="b">O'Reilly Media, Inc.</subfield><subfield code="c">2020</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (624 Seiten)</subfield><subfield code="b">illustrations</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Includes index</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">A menudo se considera que el aprendizaje profundo es dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. ¿Cómo? Con fastai, la primera biblioteca que proporciona una interfaz coherente para las aplicaciones de aprendizaje profundo más utilizadas. Los autores Jeremy Howard y Sylvain Gugger, creadores de fastai, te muestran cómo entrenar un modelo en una amplia gama de tareas utilizando fastai y PyTorch. También te sumergirás progresivamente en la teoría del aprendizaje profundo para adquirir una comprensión completa de los algoritmos que se esconden entre bastidores.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Natural language processing (Computer science)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Artificial intelligence</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Exploration de données (Informatique)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Traitement automatique des langues naturelles</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Apprentissage automatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Langage de programmation)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Intelligence artificielle</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">artificial intelligence</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Gugger, Sylvain</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="966" ind1="4" ind2="0"><subfield code="l">DE-91</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9781098183646/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-109662466 |
| illustrated | Illustrated |
| indexdate | 2025-04-10T09:36:33Z |
| institution | BVB |
| isbn | 9781098183646 1098183649 |
| language | Spanish |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 Online-Ressource (624 Seiten) illustrations |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2020 |
| publishDateSearch | 2020 |
| publishDateSort | 2020 |
| publisher | O'Reilly Media, Inc. |
| record_format | marc |
| spelling | Howard, Jeremy VerfasserIn aut Deep learning for coders with fastai and PyTorch Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado Jeremy Howard y Sylvain Gugger Primera edición. Sebastopol, CA O'Reilly Media, Inc. 2020 1 Online-Ressource (624 Seiten) illustrations Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Includes index A menudo se considera que el aprendizaje profundo es dominio exclusivo de los doctores en matemáticas y las grandes empresas tecnológicas. Pero como demuestra esta guía práctica, los programadores que se sientan cómodos con Python pueden lograr resultados impresionantes en el aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. ¿Cómo? Con fastai, la primera biblioteca que proporciona una interfaz coherente para las aplicaciones de aprendizaje profundo más utilizadas. Los autores Jeremy Howard y Sylvain Gugger, creadores de fastai, te muestran cómo entrenar un modelo en una amplia gama de tareas utilizando fastai y PyTorch. También te sumergirás progresivamente en la teoría del aprendizaje profundo para adquirir una comprensión completa de los algoritmos que se esconden entre bastidores. Data mining Natural language processing (Computer science) Machine learning Python (Computer program language) Artificial intelligence Exploration de données (Informatique) Traitement automatique des langues naturelles Apprentissage automatique Python (Langage de programmation) Intelligence artificielle artificial intelligence Gugger, Sylvain VerfasserIn aut |
| spellingShingle | Howard, Jeremy Gugger, Sylvain Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado Data mining Natural language processing (Computer science) Machine learning Python (Computer program language) Artificial intelligence Exploration de données (Informatique) Traitement automatique des langues naturelles Apprentissage automatique Python (Langage de programmation) Intelligence artificielle artificial intelligence |
| title | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado |
| title_alt | Deep learning for coders with fastai and PyTorch |
| title_auth | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado |
| title_exact_search | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado |
| title_full | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado Jeremy Howard y Sylvain Gugger |
| title_fullStr | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado Jeremy Howard y Sylvain Gugger |
| title_full_unstemmed | Aprendizaje profundo para programadores con fastai y PyTorch aplicaciones de la IA sin un doctorado Jeremy Howard y Sylvain Gugger |
| title_short | Aprendizaje profundo para programadores con fastai y PyTorch |
| title_sort | aprendizaje profundo para programadores con fastai y pytorch aplicaciones de la ia sin un doctorado |
| title_sub | aplicaciones de la IA sin un doctorado |
| topic | Data mining Natural language processing (Computer science) Machine learning Python (Computer program language) Artificial intelligence Exploration de données (Informatique) Traitement automatique des langues naturelles Apprentissage automatique Python (Langage de programmation) Intelligence artificielle artificial intelligence |
| topic_facet | Data mining Natural language processing (Computer science) Machine learning Python (Computer program language) Artificial intelligence Exploration de données (Informatique) Traitement automatique des langues naturelles Apprentissage automatique Python (Langage de programmation) Intelligence artificielle artificial intelligence |
| work_keys_str_mv | AT howardjeremy deeplearningforcoderswithfastaiandpytorch AT guggersylvain deeplearningforcoderswithfastaiandpytorch AT howardjeremy aprendizajeprofundoparaprogramadoresconfastaiypytorchaplicacionesdelaiasinundoctorado AT guggersylvain aprendizajeprofundoparaprogramadoresconfastaiypytorchaplicacionesdelaiasinundoctorado |