Descripción General
El libro tiene unas 270 páginas. Contiene una cantidad suficiente de material gráfico. El nivel de dificultad es medio.
Resumen Breve
Capítulo 1. Cómo funcionan las redes neuronales
El capítulo explica los principios básicos de funcionamiento de las redes neuronales: qué son las neuronas, los pesos, la suma de señales y la función de activación. El autor introduce de manera intuitiva los conceptos de aprendizaje, error y retropropagación del error, evitando matemáticas complejas. El objetivo principal del capítulo es formar un modelo mental correcto de por qué una red neuronal puede aprender algo en absoluto.
Capítulo 2. Creando una red neuronal en Python
En este capítulo se implementa paso a paso una red neuronal simple en Python desde cero, sin usar frameworks. El autor muestra cómo inicializar los pesos, implementar el paso hacia adelante, el entrenamiento y la retropropagación del error. Al final, la red aprende a reconocer dígitos escritos a mano (MNIST), y el lector obtiene un código funcional y comprensible.
Capítulo 3. Varios proyectos interesantes
El capítulo está dedicado a la aplicación práctica de la red neuronal ya creada y a experimentos con ella. Se analizan la mejora de la calidad del reconocimiento, el trabajo con imágenes propias y la influencia de los parámetros de entrenamiento. El énfasis principal está en cómo modificar y ampliar el modelo, no solo en usar ciegamente un ejemplo ya hecho.
Apéndice A. Breve introducción al cálculo diferencial
El apéndice explica las matemáticas mínimamente necesarias para comprender el proceso de entrenamiento de las redes neuronales. Las derivadas y los gradientes se introducen a nivel intuitivo, exactamente en la medida requerida para entender el algoritmo de retropropagación del error. No es un libro de texto de análisis matemático, sino una especie de "puente matemático" hacia el texto principal.
Apéndice B. Red neuronal en Raspberry Pi
Aquí se muestra cómo ejecutar y utilizar la red neuronal en una Raspberry Pi. El autor demuestra que las redes neuronales pueden funcionar incluso en hardware limitado, si el modelo es lo suficientemente simple. El apéndice ilustra bien el aspecto práctico del enfoque embebido y los dispositivos autónomos.
Opinión
Este es el primer libro con el que comencé a entender cómo funcionan internamente las redes neuronales y cómo se implementan en la práctica. Usando Python como ejemplo, el autor desarrolla una red neuronal primitiva y la mejora gradualmente capítulo a capítulo. Al final, el material se presenta de forma clara, secuencial y accesible.
