Modelos

Lanzamiento de libro sobre Deep Learning por creador de Keras

29 de septiembre de 2026 · 2 min de lectura

También publicado en Français

Long exposure light trails on a highway before the New York City skyline
Zac Ong / Unsplash

El 30 de septiembre de 2026 se publicará un nuevo libro titulado "Aprendiendo Deep Learning del Creador de Keras". Este texto es una revisión de un manual de introducción al Deep Learning que ha estado presente en las estanterías durante varios años. El autor, François Chollet, es conocido por ser el creador del marco de trabajo Keras, que ha sido utilizado por numerosos desarrolladores para implementar redes neuronales por primera vez.

En esta edición, Matthew Watson, parte del equipo de Keras, se une como coautor, y el libro ha sido traducido por Haeseon Park, conocido por su trabajo en machine learning. El equipo de libros de Youngpoong, liderado por Kwon Gi-won, destacó que "lo crucial es que el creador de la herramienta enseña con esa misma herramienta", añadiendo que las explicaciones de alguien que sabe por qué se diseñó de esa manera son diferentes a las de quienes simplemente analizan herramientas creadas por otros.

Este nuevo lanzamiento ha ampliado su contenido a veinte capítulos, abarcando desde principios básicos hasta temas de visión por computadora, predicción de series temporales, procesamiento del lenguaje natural y modelado generativo. La metodología del libro se centra en la práctica, permitiendo a los lectores ejecutar código para asimilar conceptos en lugar de enfocarse únicamente en fórmulas.

El MD de la sección técnica de Youngpoong, Lee Won-jun, comentó sobre la introducción del libro, que está destinada a aquellos que desean aprender Deep Learning desde cero o ampliar su comprensión. "Esta línea refleja la actitud del libro", enfatizó, afirmando que se presenta como una obra accesible que evita intimidar a los lectores con fórmulas.

El libro también ha incluido secciones sobre inteligencia artificial generativa, lo cual lo hace relevante incluso para aquellos que han leído la edición anterior. Esto muestra cómo un texto clásico puede renovarse con el tiempo para adaptarse a nuevas tendencias en el campo del Deep Learning.