
Introduction to Generative AI
Jamuna S Murthy, Siddesh G M
- Editorial
- CRC Press
- Año
- 2026
- Páginas
- ~398
- Nivel
- Básico
De qué trata
Texto formativo elaborado por Jamuna S. Murthy y Siddesh G. M. (académicos del Ramaiah Institute of Technology), publicado por CRC Press / Chapman & Hall, que ofrece una introducción estructurada a los principios científicos, las arquitecturas algorítmicas y los casos de uso prácticos de la inteligencia artificial generativa. La obra está diseñada para estudiantes universitarios, programadores principiantes y profesionales técnicos que se inician en la disciplina, requiriendo únicamente conocimientos básicos de matemáticas (álgebra lineal y probabilidad básica) y familiaridad con el lenguaje Python.
El temario abarca desde los fundamentos del aprendizaje profundo y las redes neuronales hasta las familias algorítmicas generativas más representativas: Redes Generativas Antagónicas (GAN), Autoencoders Variacionales (VAE), Transformers y Modelos de Difusión, explicando a fondo la dinámica de los espacios latentes y su implementación con librerías como TensorFlow y Keras. En su segunda mitad, explora la capa de orquestación, razonamiento y planificación de agentes autónomos a través de frameworks contemporáneos como LangChain, LangGraph y AutoGen, abordando además la generación multimodal (texto, imagen, audio y video) y los principios éticos de equidad, explicabilidad, seguridad y sostenibilidad computacional.
El enfoque del libro equilibra el rigor analítico con la aplicación práctica, ilustrando cómo ensamblar casos de uso reales como asistentes de redacción, agentes colaborativos para educación y diseño, y sistemas de generación multimedia sin descuidar el impacto energético de los modelos. Su mayor virtud es servir como un manual introductorio integral y moderno que conecta la teoría de los modelos generativos con los frameworks de desarrollo y agentes más solicitados por la industria actual. Deja fuera el preentrenamiento a escala petabyte y las técnicas avanzadas de optimización de compiladores de hardware. Es el texto idóneo para adquirir una base teórica y técnica sólida antes de especializarse en ingeniería de LLMs.
- IA generativa
- Transformers
- Diffusion Models
- GANs
- LangChain
- LangGraph
- AutoGen
- TensorFlow
- Keras
- Modelos multimodales
- Ética de la IA
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✗ Sin proyectos

