Transformers - The Definitive Guide

Tratado exhaustivo y avanzado que aborda el funcionamiento en profundidad de la arquitectura transformer y su expansión mucho más allá del procesamiento de lenguaje natural (NLP) tradicional. La obra explora dominios emergentes y multimodales sobre el ecosistema moderno de Python y PyTorch, apoyándose en las librerías de Hugging Face y motores de inferencia de última generación. Está dirigida a ingenieros de machine learning, científicos de datos e investigadores con un nivel intermedio o avanzado que ya dominan los conceptos fundamentales de deep learning, redes neuronales y programación matemática en Python.

El texto desglosa detalladamente los fundamentos matemáticos de los mecanismos de autoatención (self-attention), codificación posicional y tokenización antes de sumergirse en aplicaciones no textuales y arquitecturas especializadas. Enseña a implementar Vision Transformers (ViT) para tareas visuales complejas, modelos de generación de imágenes y síntesis de video fundamentados en Diffusion Transformers (DiT), así como arquitecturas aplicadas a señales de audio y series temporales. Además, aborda la intersección con el aprendizaje por refuerzo (Decision Transformers), el razonamiento y generación de código, junto con técnicas esenciales de optimización (test-time compute, cuantización, destilación) y despliegue a producción de alto rendimiento empleando vLLM y SGLang.

El aprendizaje se articula mediante cuadernos prácticos guiados y utilidades de código que permiten experimentar con pipelines de visión por computadora, generación multimedia, diseño de agentes autónomos y optimización de latencia en inferencia. Su mayor valor radica en derribar el sesgo de considerar los transformers como una técnica meramente textual, ofreciendo una visión integral de vanguardia. Como contrapartida, no es un libro introductorio a la inteligencia artificial: asume solidez en cálculo y álgebra lineal, y la replicación de los modelos generativos de video e imagen demanda acceso a aceleración por GPU con memoria suficiente.