Deep Learning con Keras y PyTorch

La Inteligencia Artificial ha experimentado un gran auge en los últimos años, tanto en el mundo académico como en el empresarial, con increíbles resultados en el reconocimiento de voz, los modelos de conversación, la visión artificial y otras aplicaciones. Detrás de todos estos avances se encuentra la tecnología basada en los modelos matemáticos de redes neuronales profundas, conocida como aprendizaje profundo o Deep Learning. Conocer esta tecnología abre las puertas a un inmenso mercado digital, al campo de la investigación y a innumerables oportunidades de negocio.

En estas páginas el lector encontrará una introducción a los fundamentos de ese paradigma de aprendizaje computacional. Los aspectos teóricos se complementan con ejemplos de implementación en los dos frameworks de programación más populares en la actualidad dentro de este campo: Keras y PyTorch. El libro describe las arquitecturas vertebradoras del Deep Learning, como el perceptrón multicapa, las redes convolucionales y las redes recurrentes, entre otras, así como su aplicación en los campos de la visión por computador y el procesamiento del lenguaje natural. Todos estos contenidos se estudiarán mediante ejemplos y ejercicios, asumiendo que el lector no ha trabajado con estos frameworks previamente', aunque sí con el lenguaje de programación Python.

Antonio Javier Gallego es Ingeniero en Informática (2004) y doctor (2012) por la Universidad de Alicante. Investigador postdoctoral en la Universidad de Edimburgo y en el centro de computación de alto rendimiento de Reino Unido. Se desempeña como profesor titular de universidad del Departamento de Lenguajes y Sistemas Informáticos, en el que imparte clases sobre aprendizaje automático, visión artificial y 'Deep Learning'. Ha participado en más de veinte proyectos de investigación y es autor de más de ochenta publicaciones relacionadas con la inteligencia artificial.

María Alfaro es Ingeniera en Telecomunicaciones por la Universidad de Alicante en 2018. Actualmente ejerce como investigadora en el Departamento de Lenguajes y Sistemas Informáticos gracias a un contrato para la Formación de Profesorado Universitario (FPU) del Ministerio de Universidades. Su área de investigación se centra en el uso de 'Deep Learning' en transcripción automática de música. Ha sido galardonada en el «XVIII Certamen Universitario Arquímedes» en el área «Ingeniería y Arquitectura» del Ministerio de Ciencia, Innovación y Universidades y con el premio nacional «Futuro de las Telecomunicaciones», en la categoría «Ingeniería de Sonido e Imagen» del Colegio Oficial de Ingenieros Técnicos de Telecomunicación.

Jorge Calvo es Ingeniero en Informática (2011) y Doctor (2016) por la Universidad de Alicante. Investigador postdoctoral en McGill University (Montreal, Canadá) y en la Universidad Politécnica de Valencia. Actualmente ejerce como profesor titular en el Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Alicante. Ha publicado un centenar de artículos científicos relacionados con el uso de 'Deep Learning' en diversas aplicaciones. Su experiencia docente incluye asignaturas de análisis y diseño de algoritmos, aprendizaje automático e inteligencia artificial.

Carlos Garrido es Ingeniero Informático y Científico de Datos por la Universidad de Alicante en 2021 y 2022, respectivamente. Ejerce como investigador en el Instituto Universitario de Investigación Informática de la Universidad de Alicante. Actualmente investiga el desarrollo de modelos generalistas de 'Deep Learning' para facilitar su transferencia a casos de uso reales.

Antonio Ríos es Ingeniero Multimedia (2020) y Científico de Datos (2021) por la Universidad de Alicante. Actualmente es investigador en el Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Alicante. Su área de investigación se centra en el uso de 'Deep Learning' en transcripción automática de música y texto manuscrito. Cuenta con un premio nacional concedido por el Ministerio de Asuntos Económicos y Transformación Digital relacionado con el uso de datos y técnicas de aprendizaje automático para mejorar la gestión de la salud pública.