Learn Generative AI with PyTorch
Mark Liu
- Editorial
- Manning
- Año
- 2024
- Páginas
- ~434
- Nivel
- Intermedio
De qué trata
Manual exhaustivo y práctico enfocado en descifrar la mecánica interna de la inteligencia artificial generativa construyendo modelos funcionales desde cero con Python y PyTorch 2.x. Mark Liu guía al lector a través de los fundamentos matemáticos y la programación directa de tensores sin delegar el trabajo crítico en librerías de caja negra. Está dirigido a desarrolladores de software, científicos de datos e ingenieros de machine learning de nivel intermedio que conocen la sintaxis básica de Python y los conceptos elementales de redes neuronales, pero desean comprender cómo se originan y entrenan las arquitecturas generativas modernas.
El libro aborda en profundidad tanto el dominio visual como el textual y musical. Enseña a programar Redes Generativas Adversarias (GANs, DCGANs y CycleGAN), Variational Autoencoders (VAEs), modelos de difusión probabilística (DDPM) y generadores de texto a imagen. En el área del procesamiento del lenguaje natural, desglosa la implementación línea por línea de mecanismos de atención (scaled dot-product y multi-head attention), arquitecturas Transformer completas (encoder-decoder) y modelos autorregresivos tipo GPT-2 desde sus capas fundamentales. Además, explora la generación de música polifónica en formato simbólico/MIDI con MuseGAN y Music Transformer, y concluye con la integración de LLMs preentrenados y la librería LangChain para la creación de agentes zero-shot.
El núcleo del aprendizaje reside en la práctica continua: el lector construye un traductor inglés-francés con Transformers, un generador de texto estilo GPT-2, una CycleGAN para transferir estilos faciales (cambio de color de cabello), modelos de difusión para generar imágenes botánicas y de anime, y modelos generativos musicales. Su principal valor radica en desmitificar las arquitecturas punteras al implementarlas sin abstracciones excesivas y de modo que puedan ejecutarse en un ordenador portátil o Google Colab. Deja fuera el escalado distribuido en grandes clústeres corporativos y las operaciones de despliegue en producción (LLMOps), priorizando la solidez conceptual y la comprensión algorítmica profunda.
- PyTorch 2.x
- Generative Adversarial Networks (GANs)
- CycleGAN
- Variational Autoencoders (VAEs)
- Modelos de difusión (DDPM)
- Transformers desde cero
- Arquitectura GPT-2
- Atención multi-cabeza
- Generación de música (MuseGAN)
- LangChain
- Traducción automática
¿Cómo enseña?
Con proyectos
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Traductor de inglés a francés con Transformer
Modelo de traducción automática implementado y entrenado desde cero en PyTorch utilizando la arquitectura clásica encoder-decoder con mecanismos de atención multi-cabeza y codificación posicional.
Generador de texto autorregresivo estilo GPT-2
Modelo de lenguaje decodificador implementado línea por línea en PyTorch para predecir el siguiente token y generar texto fluido a partir de secuencias de entrada.
Transformador de características faciales con CycleGAN
Red generativa adversaria con consistencia de ciclo capaz de realizar traducción imagen a imagen sin pares alineados para alterar atributos visuales como el color de cabello.
Generador de imágenes por difusión
Canalización generativa de difusión probabilística (DDPM) programada en PyTorch para sintetizar imágenes artísticas realistas a partir de ruido gaussiano.
Generador de composiciones musicales con MuseGAN y Music Transformer
Modelos basados en GANs convolucionales y capas de autoatención especializados en componer secuencias polifónicas y pistas musicales en formato simbólico MIDI.
Agente de conocimiento zero-shot con LangChain
Asistente inteligente que combina modelos de lenguaje preentrenados con la librería LangChain para resolver consultas y orquestar tareas sin necesidad de reentrenamiento.
