AI Projects in PyTorch
Siddhesh Prashant Chaubal
- Editorial
- Apress
- Año
- 2026
- Páginas
- ~359
- Nivel
- Intermedio
De qué trata
Guía práctica y contemporánea estructurada en torno a la creación de un portafolio de proyectos completos de inteligencia artificial utilizando el framework PyTorch. Siddhesh Prashant Chaubal orienta la obra a programadores de Python, ingenieros de software y entusiastas de machine learning de nivel principiante a intermedio que cuentan con nociones elementales de sintaxis y cálculo básico, pero necesitan experiencia guiada construyendo soluciones funcionales que abarquen visión computacional, procesamiento del lenguaje natural y modelos generativos.
El libro inicia asentando el ciclo de vida de un proyecto de ML y la manipulación avanzada de tensores, datasets, cargadores (DataLoader) y autograd en PyTorch. Rápidamente progresa hacia la visión por computador mediante clasificadores con redes convolucionales (CNNs), procesamiento del lenguaje natural (NLP) con clasificadores de texto y el uso del ecosistema Hugging Face (Transformers y Tokenizers). Además, abarca la generación de texto con modelos autorregresivos para narraciones (storytelling), clasificación de señales acústicas mediante espectrogramas, sistemas de recomendación con embeddings neuronales y arquitecturas multimodales que integran texto e imagen.
La metodología se basa en la construcción integral de soluciones independientes: un predictor de precios, un clasificador visual CNN, un clasificador de texto con Hugging Face, un generador narrativo de lenguaje, un clasificador de audio, un motor de recomendación personalizado y un sistema de subtitulado automático de imágenes (image captioning). Aporta una panorámica versátil de las aplicaciones actuales de la IA en PyTorch con código modular y reutilizable, prescindiendo deliberadamente de demostraciones teóricas complejas o despliegues en infraestructura de producción (MLOps) para priorizar la arquitectura del modelo.
- Python
- PyTorch
- Hugging Face
- Transformers
- CNN
- NLP
- Clasificación de Audio
- Sistemas de Recomendación
- Modelos Generativos
- Image Captioning
- Multimodal
¿Cómo enseña?
Con proyectos
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Clasificador visual con redes convolucionales
Canal de visión por computador en PyTorch que procesa y clasifica imágenes empleando capas convolucionales, agrupamiento y regularización.
Clasificador de texto con Hugging Face
Modelo de procesamiento de lenguaje natural que aprovecha transformers y tokenizadores preentrenados del ecosistema Hugging Face para categorizar contenido textual.
Generador de historias con modelos de lenguaje
Modelo generativo autorregresivo construido en PyTorch para redactar fragmentos narrativos y cuentos de forma secuencial a partir de un texto introductorio.
Clasificador de audio en PyTorch
Sistema de reconocimiento sonoro que transforma señales de audio en espectrogramas para entrenar un modelo clasificador acústico.
Motor de recomendación personalizado
Sistema recomendador basado en capas de embeddings neuronales para predecir afinidades y sugerir elementos según el historial de los usuarios.
Subtitulado automático de imágenes (Image Captioning)
Arquitectura multimodal que acopla un extractor visual basado en CNN con un decodificador de lenguaje para describir fotografías automáticamente.
