Probabilistic Deep Learning

Sinopsis de Probabilistic Deep Learning

«Probabilistic Deep Learning» es la guía de deep learning probabilístico de Oliver Duerr, Beate Sick y Elvis Murina (Manning, tapa blanda, 296 páginas, inglés).

Guía práctica de deep learning probabilístico con Python, Keras y TensorFlow Probability. Partiendo del principio de máxima verosimilitud, enseña a elegir la distribución adecuada para cada tipo de datos y a construir redes bayesianas que cuantifican la incertidumbre de sus predicciones. Incluye ejercicios en Jupyter Notebooks.

Publicado el 10 de noviembre de 2020. Primera edición.

Para desarrolladores y científicos de datos con conocimientos de Python y redes neuronales que quieran incorporar la incertidumbre a sus modelos de deep learning.