Inicio » Computación E Informática » Ciencias De La Computación » Inteligencia Artificial » Aprendizaje Automático » Deep learning generativo. Enseñar a las máquinas a pintar, escribir, componer y jugar

¡TE LO BUSCAMOS!
Si estás buscando este libro y no tiene stock, nosotros lo buscamos por ti sin coste adicional.
Sólo tienes que dejarnos tu email, nosotros nos pondremos en contacto contigo en cuanto lo localicemos.

¡Búscamelo!


No te preocupes, únicamente nos pondremos en contacto contigo para avisarte cuando dispongamos del libro. En ningún caso tu mail será cedido a terceros, ni te enviaremos publicidad o spam.
Ficha
Portada del libro Deep learning generativo. Enseñar a las máquinas a pintar, escribir, componer y jugar, de David Foster
- 5% dto.

  • 47,95 Eur
  • 45,55 Eur

  • * Gastos de envío no incluidos.


  • No disponible
    • -


    • Unidad(es)

    Caracteristicas

  • Páginas: 424
  • Formato: 22,5x17,5 cm
  • Fecha Edición: 2024
  • Edición: 1
  • Idioma: Castellano.
  • Encuadernación: Tapa blanda o Bolsillo - Cosido.
  • Peso: 0,71 kg.
  • Editorial: ANAYA MULTIMEDIA
  • Deep learning generativo. Enseñar a las máquinas a pintar, escribir, componer y jugar

  • 9788441549067
  • Autor: David Foster

  • Traductor: Virginia Aranda González

  • La inteligencia artificial generativa es el tema de moda en tecnología. Esta guía práctica enseña a los ingenieros del machine learning y a los científicos de datos cómo utilizar TensorFlow y Keras para crear desde cero impresionantes modelos de deep learning generativo, como autocodificadores variacionales o VAE, redes generativas adversativas o GAN, Transformers, flujos de normalización, modelos de difusión y basados en energía.El libro expone los fundamentos del deep learning y también las arquitecturas más innovadoras. Mediante consejos y trucos, permite al lector comprender cómo lograr que los modelos aprendan de un modo más eficiente y lleguen a ser más creativos.
  • 47,95 Eur
  • 45,55 Eur

  • * Gastos de envío no incluidos.


  • No disponible
  • -