Dive into Deep Learning
The same text, told at every level, in every language and look shown here. Pick, then listen or download.
The same player the product gives for your own book: the voice, the drawings as they are drawn, the text.
The open textbook used in hundreds of university courses on neural networks. Its first chapter explains what it means for a program to learn from data: models, losses, optimisation, the kinds of learning problems, and how deep learning came to win.
This is a sample: 1 of 23 chapters.
Imagine que solo tiene que escribir un programa que responda a una palabra de activación como «Alexa», «OK Google» o «Hey Siri». Intente programarlo usted solo en una habitación, sin nada más que un ordenador y un editor de código, como se ilustra en la figura.
En general, cuantos más datos tenemos, más fácil es nuestro trabajo. Con más datos, podemos entrenar modelos más potentes y depender menos de suposiciones previas. El paso de datos (relativamente) pequeños a grandes datos ha contribuido en gran medida al éxito del aprendizaje profundo moderno.
De manera informal, el proceso de aprendizaje es más o menos así. Primero, se toma una gran colección de ejemplos cuyas características se conocen y se elige de ella un subconjunto aleatorio, obteniendo para cada uno su etiqueta real.
Los sistemas de recomendación son otro planteamiento de problema relacionado con la búsqueda y la ordenación. Los problemas se parecen en que el objetivo es mostrar un conjunto de elementos relevantes para el usuario.
A continuación describimos brevemente el aprendizaje por refuerzo, un marco rico para plantear problemas de aprendizaje en los que un agente interactúa con un entorno.
En muchos casos, una sola GPU no basta para procesar las grandes cantidades de datos disponibles para el entrenamiento. En la última década, la capacidad de construir algoritmos de entrenamiento paralelos y distribuidos ha mejorado mucho.
Examples for: a curious adult with school maths who uses ChatGPT and phone apps; add one modern instance per idea, such as a chatbot, a spam filter, a recommendation feed or a voice assistant
The lectures retell the English text of d2l.ai (Cambridge University Press, 2023), GitHub d2l-ai/d2l-en by Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola, published under an open licence that allows retelling and translation. The retelling, the drawings and the voice are made by AI and checked against the book by a second model. How AI is used.
The lectures adapt the original and are released under the same licence, free to share and adapt with credit to the author and a link to this page: CC BY-SA 4.0
Upload a textbook or any difficult book. The first five minutes are free.
Upload a book