RECURSOS Y BIBLIOGRAFÍA

RECURSOS Y CONDICIONES TÉCNICAS

Computador portátil con navegador moderno.
Cuenta de Google Colab o entorno local con Python 3.11 o compatible.
Acceso a internet durante las prácticas si se usa modalidad en la nube.
Notebooks base, datos pequeños y modelos preentrenados provistos por el curso.
Repositorio o carpeta compartida con instrucciones de instalación y versiones registradas.

Para participantes con menor experiencia en Python se recomienda nivelarse en el uso de notebook y el manejo de arrays, funciones, visualización y flujo básico de scikit-learn.

BIBLIOGRAFÍA

Básica

Bishop, C. M. y Bishop, H. (2024). Deep Learning: Foundations and Concepts. Springer.
Chollet, F. (2021). Deep Learning with Python (2.ª ed.). Manning.
Goodfellow, I., Bengio, Y. y Courville, A. (2016). Deep Learning. MIT Press.
Géron, A. (2022). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (3.ª ed.). O'Reilly.

Complementaria

Molnar, C. (2023). Interpretable Machine Learning (2.ª ed.). Lulu.
Murphy, K. P. (2022). Probabilistic Machine Learning: An Introduction. MIT Press.
Zhang, A., Lipton, Z. C., Li, M. y Smola, A. J. (2023). Dive into Deep Learning. Cambridge University Press.