000			03844nam a2200457 i 4500
001			36817
003			CO-SiCUC
005			20241206162708.0
006			m r d |001
007			ta
008			241206e2019 sp a r 001 0 spa d
020			_a9788491806561
035			_a(CO-SiCUC) 36817
040			_aCO-SiCUC _bspa _erda _cCO-SiCUC
041			_aspa
043			_ae-sp---
082	0	4	_a006.31 _bB742d 2019 _223
100	1		_aBosch Rué, Anna, _eautora _4aut _966307
245	1	0	_aDeep learning : _bprincipios y fundamentos / _cAnna Bosch Rué, Jordi Casas Roma, Toni Lozano Bagén.
250			_aPrimera edición en lengua castellana
264		1	_aBarcelona : _bEditorial UOC, _c2019.
300			_a257 páginas : _bfiguras ; _c23 cm
336			_atext _btxt _2rdacontent
337			_acomputer _bc _2rdamedia
338			_aonline resource _bcr _2rdacarrier
490	0		_aManuales (Tecnología)
504			_aIncluye bibliografía.
505	0		_aParte I. Introducción -- Capítulo 1. Introducción y contextualización -- Capítulo 2. Conceptos básicos de aprendizaje automático. -- Parte II. Redes neuronales artificiales -- Capítulo 3. Principios y fundamentos. -- Capítulo 4. Optimización del proceso de aprendizaje -- Capítulo 5. Autoencoders -- Parte III. Redes neuronales convolucionales -- Capítulo 6. Introducción y conceptos básicos -- Capítulo 7. Componentes y estructura de una CNN -- Capítulo 8. Arquitecturas de CNN -- Capítulo 9. Consejos prácticos y ejemplos -- Capítulo 10. Fundamentos de las redes recurrentes -- Capítulo 11. Tipología de celdas recurrentes. -- Capítulo 12. Arquitecturas de redes recurrentes. -- Capítulo 13. Consejos prácticos y ejemplos. -- Parte V. Apéndices -- Apéndice -- A. Notación -- Apéndice B. Detalles del backpropagation.
520			_aEn este libro se introducen los conceptos fundamentales del aprendizaje profundo (Deep learning, DL) mediante el uso de redes neuronales artificiales (Artificial neural networks, ANN). El lector podrá encontrar una revisión completa de las técnicas avanzadas más usadas en estos campos. El enfoque del libro es claramente descriptivo, con el objetivo de que el lector entienda los conceptos e ideas básicos detrás de cada algoritmo o técnica. La primera parte del libro constituye una introducción al aprendizaje profundo, en general, y a las redes neuronales, en particular. En la segunda parte se describe el funcionamiento de las redes neuronales, partiendo de conceptos básicos (como la estructura de una neurona, las principales funciones de activación, etc.) hasta alcanzar conceptos avanzados (optimización del rendimiento de las redes neuronales o estrategias para evitar el problema del sobreentrenamiento). La tercera parte presenta los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales convolucionales (Convolutional neural networks, CNN) y su aplicación en el procesamiento de imágenes. Finalmente, el cuarto bloque de este texto se centra los fundamentos teóricos, estructura y principales arquitecturas de las redes neuronales recurrentes (Recurrent neural networks, RNN) y su aplicación para el procesamiento de series temporales y textos. _bEl texto.
590			_aIngeniería de Sistemas
650	1	7	_2armarc _aAprendizaje automático _xInteligencia artificial. _965104
650	1	7	_2armarc _aAprendizaje profundo _xAprendizaje automático. _966316
650	1	4	_aMachine learning. _966310
650	1	7	_aRedes neuronales _2armarc _xComputadores. _966317
655		4	_aLibros electrónicos. _951051
700	1		_aCasas Roma, Jordi, _eautor _966312 _4aut
700	1		_aLozano Bagén, Toni _eautor. _966313 _4aut
830		0	_aManuales (Editorial UOC) ; _v666 _966314
830		0	_aManuales (Editorial UOC). _pTecnología _966315
942			_2ddc _cBK
999			_c36817 _d36817