</> CodeBooks
    ← Volver a IA generativa y LLMs (página 6)
    Portada de Introduction to Generative AI

    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?

    TeóricoPráctico

    Teoría + práctica

    • ✗ Sin ejercicios
    • ✗ Sin proyectos

    Más de IA generativa y LLMs con nivel Básico