Seis recursos útiles para ingenieros

6 recursos útiles para ingenieros

Hola. Soy Alex Goncharik y llevo más de cinco años trabajando en Visión por Computadora y Aprendizaje Profundo. Inicialmente, trabajaba como Desarrollador .Net, pero en algún momento me encontré con un artículo sobre aprendizaje automático y me interesé mucho en el área.

Tenía experiencia en matemáticas y Python, así que empecé a educarme activamente. Al principio, veía cursos en video y leía artículos, luego empecé a resolver problemas simples y más tarde fue posible pasar a un proyecto relacionado con el uso de la tecnología de visión por computadora.

Hace dos años, me uní al equipo detrás de iScanner, una aplicación impulsada por IA para escanear y editar documentos, donde tenemos la posibilidad de desarrollar algoritmos de IA desde cero. Por ejemplo, implementamos nuestros propios algoritmos para deshacernos de las curvas y las inclinaciones y eliminar los dedos en documentos escaneados.

Actualmente ocupo el puesto de Ingeniero Líder en Visión por Computadora y Aprendizaje Profundo en iScanner, BP Mobile (AIBY Group). Mis colegas y yo a menudo discutimos noticias relacionadas con nuestro campo y compartimos artículos y enlaces. Cuando te embarcas en tu camino como profesional, puede ser difícil encontrar recursos útiles, por eso he decidido compartir mis recomendaciones con los lectores de VoAGI. Algunos recursos serán de interés para principiantes, mientras que otros serán de interés para profesionales más experimentados.

Libro de Aprendizaje Profundo del MIT (Ian Goodfellow, Yoshua Bengio, Aaron Courville)

Este es el libro más completo disponible sobre aprendizaje profundo y está disponible como un libro HTML gratuito. Este texto sirve como una guía esencial para cualquier persona que busque comprender las complejidades del aprendizaje profundo, desde sus conceptos fundamentales hasta sus aplicaciones avanzadas. Cubre un amplio espectro de temas, ofrece ideas tanto teóricas como prácticas y es accesible para estudiantes con diferentes antecedentes. Los autores no solo rascan la superficie del aprendizaje profundo, sino que profundizan en los fundamentos matemáticos que definen las redes neuronales, los algoritmos de optimización y las técnicas de regularización.

Comprender el Aprendizaje Profundo (Andrew W. Trask)

Este libro destaca por su capacidad para cerrar la brecha entre los conceptos teóricos y la comprensión práctica, lo que lo convierte en un punto de partida ideal para principiantes en el campo. El autor descompone habilidosamente ideas complejas en piezas digeribles, asegurando que incluso aquellos sin un sólido conocimiento técnico puedan seguirlo.

Trask utiliza ejemplos de código Python y se enfoca en explicaciones intuitivas que fomentan una comprensión más profunda del material. Los ejemplos de código son relativamente simples y es posible que no cubran toda la amplitud de técnicas avanzadas de aprendizaje profundo.

Visión por Computadora: Algoritmos y Aplicaciones (Richard Szeliski)

Este libro es el estándar de oro en el campo de la visión por computadora. A través de estudios de casos y escenarios prácticos, obtienes una visión de cómo se emplea la visión por computadora en campos como la robótica, la imágenes médicas y la realidad aumentada.

Szeliski explica conceptos complejos de manera clara y transforma ideas intrincadas en términos comprensibles. Cubre una amplia gama de temas, desde la formación de imágenes y los modelos de cámara hasta técnicas avanzadas como la visión en 3D y la estimación del movimiento. Además, el libro destaca por su tratamiento de los fundamentos matemáticos.

Introducción al Aprendizaje Estadístico (Gareth James, Daniela Witten, Trevor Hastie y Robert Tibshirani)

Este libro ofrece una introducción completa a los fundamentos del aprendizaje estadístico. Comienza con conceptos fundamentales en el aprendizaje estadístico y avanza progresivamente hacia temas más avanzados, incluyendo regresión lineal, clasificación, métodos de remuestreo y más. Ejemplos y estudios de casos del mundo real acompañan cada concepto, solidificando la comprensión e iluminando cómo se aplican estas técnicas en la práctica.

Una de las características destacadas del libro es su integración de la programación en R para la implementación práctica. El código R adjunto te permite replicar ejemplos, manipular datos y experimentar con los algoritmos presentados.

Colección de Conferencias de la Escuela de Ingeniería de la Universidad de Stanford

Esta recopilación de conferencias muestra el compromiso de Stanford de compartir ideas valiosas y fomentar el crecimiento intelectual a escala global. Esta colección de conferencias es un análisis profundo de los detalles de las arquitecturas de aprendizaje profundo con un enfoque en el aprendizaje de modelos de extremo a extremo para estas tareas, especialmente la clasificación de imágenes. A partir de esta colección de conferencias, aprenderás a implementar, entrenar y depurar tus propias redes neuronales, así como a comprender detalladamente la investigación de vanguardia en visión por computadora. Esta es una oportunidad única para aprender de algunas de las mentes más brillantes en el campo de la ingeniería y la tecnología.

Curso de Aprendizaje Automático CS229 de Stanford (por Andrew Ng)

Andrew Ng tiene la habilidad de transmitir ideas complejas de manera comprensible. Sus ejercicios prácticos brindan a los estudiantes la oportunidad de implementar y experimentar con algoritmos de aprendizaje automático. La progresión del plan de estudios está cuidadosamente diseñada, llevando gradualmente a los estudiantes desde conceptos fundamentales hasta técnicas más avanzadas. Aunque el aprendizaje automático involucra conceptos matemáticos, el curso ofrece explicaciones claras. La experiencia de Andrew Ng, junto con el plan de estudios bien estructurado y las tareas prácticas del curso, crea un recurso invaluable.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Las Pruebas Asistidas por Computadora Abordan el Flujo de Fluidos

Los investigadores utilizan computadoras para demostrar que las ecuaciones pueden explotar.

Inteligencia Artificial

Empresa derivada de la Universidad de Glasgow recauda $43 millones para 'Digitalizar la Química

Chemify, que se separó de la Universidad de Glasgow del Reino Unido en 2022, ha recibido $43 millones de financiamien...

Inteligencia Artificial

Conoce a WebAgent el nuevo LLM de DeepMind que sigue instrucciones y completa tareas en sitios web

La integración entre modelos de lenguaje grandes (LLMs) y sitios web es una de las áreas que puede desbloquear una nu...

Inteligencia Artificial

Acelere su pronóstico de series temporales en un 50 por ciento con Amazon SageMaker Canvas UI y las API de AutoML.

Estamos emocionados de anunciar que Amazon SageMaker Canvas ahora ofrece una forma más rápida y fácil de crear modelo...

Noticias de Inteligencia Artificial

Multimodal AI Inteligencia Artificial que puede ver y escuchar

La inteligencia artificial (IA) ha recorrido un largo camino desde su inicio, pero hasta hace poco, sus capacidades s...