Los 11 libros sobre aprendizaje profundo que hay que leer en 2023

El aprendizaje profundo es actualmente uno de los temas más candentes de la ciencia de datos. El aprendizaje profundo, un subcampo del machine learning, se centra en potentes algoritmos inspirados en la estructura y función del cerebro humano denominados redes neuronales. 

La mayoría de los avances en inteligencia artificial de los últimos años han venido del aprendizaje profundo. Las redes neuronales están detrás de algunas de las aplicaciones más disruptivas y asombrosas, como los coches autónomos, los chatbots, el reconocimiento de imágenes y la robótica. Y, con los últimos avances en IA generativa, el campo del aprendizaje profundo está más sometido a escrutinio que nunca. 

Conocer la teoría y la práctica de las redes neuronales se está convirtiendo rápidamente en un paso obligatorio en el viaje de aprendizaje de los científicos de datos y otros profesionales de los datos. Sin embargo, el aprendizaje profundo es un tema complicado que requiere determinación y un cierto grado de abstracción. 

Aquí tienes nuestra lista de 10 libros esenciales sobre aprendizaje profundo que te ayudarán a convertirte en un experto en este campo, sea cual sea tu nivel de habilidad actual. Si quieres más recomendaciones, también puedes consultar nuestra lista de los mejores libros sobre machine learning para 2023. 

Deep Learning with Python, de François Chollet

Publicado por primera vez en 2017, Deep Learning with Python se convirtió rápidamente en un superventas, y su actualización de octubre de 2021 está repleta de más información y técnicas prácticas. François Chollet, creador del popular marco de aprendizaje profundo Keras, explora el campo del aprendizaje profundo con información tanto para los recién llegados como para los expertos en machine learning. 

Con un estilo ameno y sencillo, la segunda edición de Aprendizaje profundo con Python incluye nuevas actualizaciones que reflejan los últimos avances en este campo. A lo largo de las páginas, encontrarás explicaciones intuitivas, ilustraciones en color y ejemplos de programación basados en Python, Keras y TensorFlow que te proporcionarán todo lo que necesitas para iniciarte en el aprendizaje profundo. También puedes iniciarte en Tensorflow y Keras consultando el programa Aprendizaje profundo con Python en DataCamp. 

Grokking Deep Learning, de Andrew W. Trask

Grokking Deep Learning ofrece una de las introducciones al aprendizaje profundo más sencillas para principiantes. El libro te enseña a crear redes neuronales desde cero, y combina teoría intuitiva con ejemplos de programación, además de utilizar solo Python y su popular biblioteca de apoyo matemático NumPy. 

El libro, que abarca casos de uso que van del procesamiento de imágenes a la traducción de texto a diferentes idiomas, es un gran recurso para iniciar tu viaje por el aprendizaje profundo antes de que estés preparado para pasar a marcos más complejos.

Neural Networks and Deep Learning: A Textbook, de Charu C. Aggarwal

Neural Networks and Deep Learning es otro gran recurso para quienes están dando sus primeros pasos en el mundo del aprendizaje profundo. El libro cubre los algoritmos de aprendizaje profundo más importantes con una combinación equilibrada y accesible de teoría, matemáticas y ejemplos de código Python. Analiza la relación entre las redes neuronales y los algoritmos tradicionales de machine learning. Especialmente indicado para estudiantes, el libro está escrito con el estilo de un manual e incluye ejercicios, un manual de soluciones y diapositivas para el instructor.

Fundamentals of Deep Learning: Designing Next-Generation Machine Learning Algorithms, de Nithin Buduma, Nikhil Buduma y Joe Papa

Cuando las redes neuronales empezaron a ofrecer resultados mágicos en la década de 2010, el aprendizaje profundo se convirtió en la vanguardia de la inteligencia artificial. Hoy en día, el aprendizaje profundo es un área activa de investigación, que impulsa algunas de las aplicaciones más innovadoras de la ciencia de datos. Sin embargo, el aprendizaje profundo se considera a menudo una disciplina solo par a profesionales con conocimientos a nivel de doctorado en machine learning y matemáticas, debido a su complejidad. Fundamentals of Deep Learning demuestra lo contrario. 

El libro pretende introducir la disciplina sin jerga técnica. A partir de ejemplos de código prácticos y basados en Python, el libro te mostrará algunos de los casos de uso más comunes del aprendizaje profundo, desde el procesamiento de imágenes y el análisis de texto hasta la creación de modelos de aprendizaje por refuerzo.

Deep Learning with R, de François Chollet, Tomasz Kalinowski y J. J. Allaire 

Aunque Python se cita a menudo como el lenguaje de referencia para el aprendizaje profundo, el lenguaje de programación R también ofrece capacidades para crear potentes redes neuronales. Deep Learning with R se basa en el bestseller Deep Learning with Python de François Chollet. El experto en aprendizaje profundo Tomasz Kalinowski ha realizado un excelente trabajo traduciendo el código y los ejemplos al lenguaje R. Igual que el libro de Python, Deep Learning with R es un gran recurso de referencia tanto para principiantes como para profesionales experimentados en machine learning. 

Deep Learning, de Ian Goodfellow, Yoshua Bengio y Aaron Courville

Cualquier lista de recursos esenciales sobre aprendizaje profundo estaría incompleta sin este libro. La mayoría de las guías de aprendizaje profundo incluyen código y ejemplos prácticos. En cambio, Deep Learning, de Goodfellow, Bengio y Courville, es un libro completamente teórico y profundamente académico, a menudo incluido en la bibliografía de las clases de aprendizaje profundo de las universidades de todo el mundo. 

El libro pretende ayudar a estudiantes y profesionales a adentrarse en el campo del machine learning en general y del aprendizaje profundo en particular. Repasa los conceptos básicos del machine learning, las matemáticas aplicadas necesarias para su desarrollo, los algoritmos, las técnicas de aprendizaje profundo y las tendencias actuales de la investigación en este campo. Incluso tienes una versión gratuita en línea aquí.

Deep Learning from Scratch: Building with Python from First Principles, de Seth Weidman

Este es el libro perfecto para ti si eres un científico de datos con experiencia en machine learning que quiere adentrarse en el aprendizaje profundo. Deep Learning from Scratch proporciona una introducción completa al aprendizaje profundo para científicos de datos y otros profesionales de datos que ya estén familiarizados con el machine learning.

Partiendo de los fundamentos del aprendizaje profundo, el libro avanza rápidamente hacia conceptos avanzados, modelos y arquitecturas para desarrollar redes neuronales. El libro es ciertamente desafiante, ya que conduce al lector a través de explicaciones teóricas, matemáticas y conceptuales, pero los resultados son todavía más gratificantes. El libro también incluye numerosos ejemplos que utilizan el popular marco de aprendizaje profundo PyTorch.

Deep Learning: A Practitioners Approach, de Josh Patterson y Adam Gibson

Uno de los mayores retos a los que se enfrentan las empresas cuando trabajan con machine learning y aprendizaje profundo es desarrollar e implementar modelos escalables y fáciles de mantener. Deep Learning: A Practitioner's Approach intenta abordar esta cuestión, dando como resultado una de las guías más prácticas sobre el tema. El libro combina la teoría del aprendizaje profundo, las prácticas recomendadas del sector y un puñado de casos de uso presentados de forma no académica. 

Una nota importante es que el libro incluye ejemplos de código implementados en DL4J, el marco de código abierto de los autores para desarrollar flujos de trabajo de aprendizaje profundo de producción. Dado que DL4J se ejecuta en la máquina virtual Java, el libro ofrece una gran oportunidad de probar las posibilidades de Java para el aprendizaje profundo.

Deep Learning for Coders with fastai and PyTorch, de Jeremy Howard y Sylvain Gugger

El aprendizaje profundo no solo es un campo en rápida evolución, sino que, además, es cada vez más accesible. Gracias al desarrollo de bibliotecas e interfaces intuitivas y fáciles de usar, ya no es necesario tener un doctorado en matemáticas o informática para trabajar en el aprendizaje profundo. 

Una de estas herramientas es fastai, la primera biblioteca que proporciona una interfaz homogénea para las aplicaciones de aprendizaje profundo más utilizadas. Deep Learning for Coders with fastai and PyTorch es una guía práctica para desarrollar modelos de aprendizaje profundo con poca formación matemática, pequeñas cantidades de datos y un código mínimo. Además de los ejemplos de programación, el libro también cubre teoría del aprendizaje profundo que te ayudará a comprender la ciencia que hay detrás de las redes neuronales.

Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence, de Jon Krohn, Grant Beyleveld y Aglaé Bassens

Una imagen vale más que mil palabras. Esa es la idea que hay detrás de Deep Learning Illustrated, un recurso único para aprender las técnicas y aplicaciones del aprendizaje profundo utilizando representaciones visuales intuitivas. 

Repleto de coloridas ilustraciones y narraciones centradas en los personajes, el libro hace abstracción de gran parte de la complejidad de la disciplina, haciéndola accesible a un público más amplio. La jerga técnica es mínima, y las aplicaciones se apoyan en prácticos Jupyter Notebooks con código Python. El libro presenta algunos de los marcos de aprendizaje profundo más populares, como TensorFlow, Keras y PyTorch.

Hands-On Machine Learning With Scikit-Learn, Keras, and Tensorflow, de Aurelien Geron

El libro es una guía práctica de aprendizaje profundo para principiantes. Hands-on Machine Learning utiliza marcos de Python como Scikit-Learn y TensorFlow para enseñarte a desarrollar programas de machine learning. Aprenderás diversas técnicas, desde la simple regresión lineal hasta las complejas redes neuronales profundas, con ejercicios prácticos en cada capítulo. Al final del libro, serás capaz de construir y escalar redes neuronales profundas.

Más información sobre el aprendizaje profundo 

El aprendizaje profundo es una parte importante del conjunto de herramientas de la ciencia de datos. Aprenderlo es una decisión inteligente para impulsar tus perspectivas profesionales y crear aplicaciones interesantes. Los libros son grandes recursos para iniciarse o convertirse en un experto en aprendizaje profundo, pero también debes considerar otras formas de aprender. Echa un vistazo a los siguientes recursos para iniciarte en el aprendizaje profundo. 

• Catálogo de cursos de DataCamp con más de 380 cursos de ciencia de datos que abarcan programación, machine learning, aprendizaje profundo y mucho más.
• Lee nuestro artículo con los mejores libros sobre machine learning
• Consulta los tutoriales sobre machine learning de DataCamp
• Suscríbete al podcast DataFramed
• Consulta nuestra hoja de trucos de machine learning