Tapa blanda

Catalán

Español

Alfaomega Grupo Editor S.a De C.v.

Marcombo

La Inteligencia Artificial ya no pertenece al futuro. Está transformando cómo trabajamos, aprendemos, creamos, hacemos negocios y tomamos decisiones. Pero mientras sus capacidades avanzan a una velocidad extraordinaria, también crecen las preguntas: ¿hasta dónde llegará?, ¿qué trabajos transformará?, ¿cómo podemos aprovecharla?, ¿qué riesgos plantea y qué significa todo esto para el futuro de la humanidad?

Esta readlist reúne una selección de libros esenciales sobre Inteligencia Artificial, pensada tanto para quienes quieren comprender cómo funciona esta tecnología como para profesionales, emprendedores y lectores interesados en prepararse para los cambios que vienen.

Aquí encontrarás diferentes perspectivas sobre la revolución de la IA: desde sus fundamentos y aplicaciones prácticas hasta su impacto en los negocios, el trabajo, la creatividad y la sociedad, además de reflexiones sobre ética, inteligencia humana y el futuro de nuestra relación con las máquinas.

No necesitas ser programador ni especialista en tecnología. Esta colección es una puerta de entrada para entender la IA, aprender a utilizarla con criterio y participar de manera informada en una de las mayores transformaciones tecnológicas de nuestro tiempo.

Porque la pregunta ya no es si la Inteligencia Artificial cambiará nuestras vidas, sino cómo queremos formar parte de ese cambio.

Tapa dura

La Ley

Teell Editorial, S.l.

Libros De Cabecera

Libros De Cabecera S.l.

Shackleton Books

Nola Editores

Marcombo Pa

Ediciones Marcombo S.a.

Hoepli

Ediciones Anaya Multimedia

Anaya Multimedia

Anaya

Deusto

Ediciones Deusto

Ediciones Deusto S.a.

Francis Lefebvre

Teell

Los sistemas de aprendizaje automático, en inglés Machine Learning, implican el uso de métodos, algoritmos y procesos complejos que constan de muchos componentes diferentes; además, dependen de datos que varían considerablemente de un caso a otro. Con este libro aprenderá un método integral para diseñar sistemas de aprendizaje automático fiables, escalables, fáciles de mantener y adaptables a los entornos dinámicos y a los requisitos empresariales. La autora Chip Huyen, cofundadora de Claypot AI, considera cada decisión de diseño en su contexto para determinar la manera como este puede ayudar a su sistema. Analiza desde cómo procesar y crear datos de formación, hasta qué atributos utilizar, con qué frecuencia volver a formar los modelos y qué elementos supervisar. En el marco iterativo de este libro se utilizan estudios de casos reales respaldados por referencias amplias que le ayudarán a alcanzar sus objetivos. Así pues, gracias a esta lectura conocerá: ' La ingeniería de datos y la elección de las métricas adecuadas para resolver un problema empresarial. ' La automatización del proceso de desarrollo, evaluación, instalación y actualización de los modelos. ' El desarrollo de un sistema de supervisión para detectar y resolver rápidamente los problemas que pueda encontrarse con sus modelos en funcionamiento. ' La arquitectura de una plataforma de aprendizaje automático que sirva para todos los casos. ' El desarrollo de sistemas de aprendizaje automático responsables. Chip Huyen es cofundadora de Claypot AI, una plataforma de aprendizaje automático en tiempo real. A través de su trabajo en NVIDIA, Netflix y Snorkel AI, ha ayudado a algunas de las organizaciones más grandes del mundo a desarrollar e implementar sus sistemas de aprendizaje automático. Chip basó este libro en sus apuntes para CS 329S: Diseño de Sistemas de Aprendizaje Automático, un curso que imparte en la Universidad de Stanford. 'Este es, sencillamente, el mejor libro que se puede leer sobre cómo construir, implementar y extender los modelos de aprendizaje automático en una empresa para lograr un impacto máximo'. -Josh Wills Ingeniero de software en WeaveGrid y exdirector de ingeniería de datos, Slack 'En un ecosistema floreciente pero caótico, esta visión de principios sobre el aprendizaje automático de principio a fin es tanto su mapa como su brújula: una lectura obligada para los profesionales dentro y fuera de los gigantes tecnológicos'. -Jacopo Tagliabue Director de IA, Coveo

Diseño de sistemas de machine learning

Desde el primer curso de aprendizaje automático que impartí en Stanford en 2017, muchas personas me han pedido consejo sobre cómo implementar modelos de AA (de su sigla en inglés Machine Learning) en sus organizaciones. Estas preguntas pueden ser genéricas, como «¿Qué modelo debo utilizar?», «¿Con qué frecuencia debo reformar mi modelo?», «¿Cómo puedo detectar cambios en la distribución de los datos?» o «¿Cómo me aseguro de que los atributos utilizados durante la formación sean coherentes con los utilizados durante la inferencia?».Estas preguntas también pueden ser específicas, como «Estoy convencida de que pasar de la predicción por lotes a la predicción en línea dará a nuestro modelo un aumento de rendimiento, pero ¿cómo convenzo a mi jefe para que me deje hacerlo?» o «Soy la científica de datos más veterana de mi empresa y recientemente me han encargado la creación de nuestra primera plataforma de aprendizaje automático; ¿por dónde empiezo?».Mi respuesta corta a todas estas preguntas siempre es: «Depende». Mis respuestas largas a menudo implican horas de discusión para entender en qué situación se encuentra la persona que hace la pregunta, lo que realmente está tratando de lograr y los pros y contras de los diferentes enfoques para su caso de uso específico.

Diseño de sistemas de machine learning. Un proceso iterativo para aplicaciones listas para funcionar

Los sistemas de aprendizaje automático, en inglés Machine Learning, implican el uso de métodos, algoritmos y procesos complejos que constan de muchos componentes diferentes; además, dependen de datos que varían considerablemente de un caso a otro. Con este libro aprenderá un método integral para diseñar sistemas de aprendizaje automático fiables, escalables, fáciles de mantener y adaptables a los entornos dinámicos y a los requisitos empresariales.La autora Chip Huyen, cofundadora de Claypot AI, considera cada decisión de diseño en su contexto para determinar la manera como este puede ayudar a su sistema. Analiza desde cómo procesar y crear datos de formación, hasta qué atributos utilizar, con qué frecuencia volver a formar los modelos y qué elementos supervisar.En el marco iterativo de este libro se utilizan estudios de casos reales respaldados por referencias amplias que le ayudarán a alcanzar sus objetivos. Así pues, gracias a esta lectura conocerá:La ingeniería de datos y la elección de las métricas adecuadas para resolver un problema empresarial.La automatización del proceso de desarrollo, evaluación, instalación y actualización de los modelos.El desarrollo de un sistema de supervisión para detectar y resolver rápidamente los problemas que pueda encontrarse con sus modelos en funcionamiento.La arquitectura de una plataforma de aprendizaje automático que sirva para todos los casos.El desarrollo de sistemas de aprendizaje automático responsables.Chip Huyen es cofundadora de Claypot AI, una plataforma de aprendizaje automático en tiempo real. A través de su trabajo en NVIDIA, Netflix y Snorkel AI, ha ayudado a algunas de las organizaciones más grandes del mundo a desarrollar e implementar sus sistemas de aprendizaje automático. Chip basó este libro en sus apuntes para CS 329S: Diseño de Sistemas de Aprendizaje Automático, un curso que imparte en la Universidad de Stanford.«Este es, sencillamente, el mejor libro que se puede leer sobre cómo construir, implementar y extender los modelos de aprendizaje automático en una empresa para lograr un impacto máximo».Josh Wills Ingeniero de software en WeaveGrid y exdirector de ingeniería de datos, Slack«En un ecosistema floreciente pero caótico, esta visión de principios sobre el aprendizaje automático de principio a fin es tanto su mapa como su brújula: una lectura obligada para los profesionales dentro y fuera de los gigantes tecnológicos».Jacopo TagliabueDirector de IA, Coveo

Diseño de sistemas de machine learning (2023)

Diseño de sistemas de machine learning. Un proceso iterativo para aplicaciones listas para funcionar

Diseño de sistemas de machine learning (2023)