Name: Visión Artificial Mediante Aprendizaje Automático con Tensorflow y Pytorch
SKU: 54642073
Price: 36.15 USD
Availability: InStock
Author: Jaime Duque Domingo/Eduardo Zalama Casan

portada Visión Artificial Mediante Aprendizaje Automático con Tensorflow y Pytorch

Visión Artificial Mediante Aprendizaje Automático con Tensorflow y Pytorch

Formato

Libro Físico

Editorial

Ra-Ma

Autor

Jaime Duque Domingo/Eduardo Zalama Casan

Idioma

Español

N° páginas

368

Encuadernación

Tapa Blanda

ISBN13

9788419444820

Editado en

España

Visión Artificial Mediante Aprendizaje Automático con Tensorflow y Pytorch

Jaime Duque Domingo/Eduardo Zalama Casan (Autor) · Ra-Ma · Tapa Blanda

Libro Nuevo Importado

Envío: 15 a 21 días háb.

$ 72.30$ 36.15

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Última Unidad

$ 36.15

Llega entre el 11 Sep y el 23 Sep a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Visión Artificial Mediante Aprendizaje Automático con Tensorflow y Pytorch"

La visi¢n artificial es una de las reas de la ingenier¡a de sistemasque mayor inters ha adquirido en los £ltimos a¤os, permitiendoresolver problemas tan diferentes como la conducci¢n aut¢noma, elreconocimiento facial, la detecci¢n de defectos industriales o lainteracci¢n de robots con humanos. Por otro lado, los modelos deaprendizaje autom tico, como las redes neuronales, son ampliamenteutilizados en visi¢n e inteligencia artificial.

Este libro est dirigido a estudiantes, investigadores yprofesionales deseosos de profundizar en este apasionante campo. Deforma pr ctica se revisan algunos conceptos b sicos de visi¢nartificial, as¡ como algunos algoritmos de aprendizaje supervisado yno supervisado, todo ello acompa¤ado de numerosos modelos que permiten resolver problemas actuales. Utilizando Python con Tensorflow oPytorch, se explica c¢mo funcionan internamente y se entrenandistintos tipos de redes neuronales.

De formadid ctica, el libro gu¡a al lector para que sea capaz de implementar y utilizar modelos m s complejos, como los basados en redes siamesas,redes generativas antag¢nicas, redes recurrentes, redes de detecci¢n o segmentaci¢n, e incluso modelos de atenci¢n y modelos compuestos.

Adem s, el lector podr descargar los c¢digos fuentesque se utilizan en el libro para facilitar el aprendizaje.