Deep Learning with R

Fruto de la colaboración entre François Chollet (creador de Keras) y J. J. Allaire (fundador de RStudio y autor de los paquetes de interfaz de deep learning para R), esta obra pionera introduce el aprendizaje profundo a la comunidad de R. Está dirigida a estadísticos, analistas de datos e investigadores con conocimientos básicos o intermedios del lenguaje R que desean aprender a diseñar y entrenar redes neuronales profundas sin necesidad de migrar al ecosistema de Python, apoyándose en la sintaxis idiomática de R y el entorno RStudio.

El contenido aborda los fundamentos matemáticos de los tensores, las operaciones con arreglos multidimensionales y la optimización basada en gradientes, traduciendo cada concepto al estilo de R mediante el operador de tubería %>%. Se explica la utilización del paquete keras (que corre sobre TensorFlow como motor de cálculo), cubriendo tareas de clasificación binaria (análisis de sentimiento en IMDB), clasificación multiclase (artículos de noticias de Reuters) y regresión (predicción de precios de viviendas en Boston). Avanza hacia la visión artificial mediante redes convolucionales (CNNs), aumento de datos y transferencia de aprendizaje con redes preentrenadas (VGG16), el procesamiento de secuencias temporales y texto con redes recurrentes (LSTM), el monitoreo mediante TensorBoard y callbacks, y una introducción práctica a modelos generativos como DeepDream, transferencia de estilo neural, VAEs y GANs.

A lo largo de los capítulos se construyen clasificadores de imágenes de gatos frente a perros utilizando transfer learning, sistemas de predicción de temperatura climática basados en series de tiempo con LSTM y experimentos artísticos de transferencia de estilo y generación de texto con redes neuronales. La gran ventaja del libro es permitir a los usuarios de R aplicar deep learning de primer nivel manteniendo sus flujos de trabajo con RStudio y tidyverse. Al corresponder a la edición de 2018, la instalación subyacente depende de TensorFlow 1.x/2.0 temprano mediante el paquete reticulate y no aborda las arquitecturas Transformer más recientes, pero ofrece una base didáctica excepcional para quienes buscan rigor estadístico y claridad conceptual en R.