Глибоке навчання — це різновид машинного навчання, що наділяє комп'ютери здатністю вчитися на досвіді
та розуміти світ у термінах ієрархії концепцій. Оскільки комп'ютер набуває знань із досвіду, відпадає потреба в людині-операторі, який формально описує необхідні комп'ютеру знання. Ієрархічна організація дає змогу комп'ютеру навчатися складних концепцій, конструюючи їх із простіших; граф такої ієрархії може містити багато рівнів. У цій книзі читач знайде широкий огляд тем, які вивчають у глибокому навчанні.
Книга містить математичні та концептуальні основи лінійної алгебри, теорії ймовірностей і теорії інформації, середніх розрахунків і машинного навчання в тому об'ємі, який необхідний для розуміння матеріалу. Описуються прийоми глибокого навчання, що застосовуються на практиці, зокрема глибокі
мережі прямого поширення, регуляризація, алгоритми оптимізації, свертальні мережі, моделювання послідовностей та ін.
Розглядаються такі програми, як обробка природних мов, розпізнавання мовлення, комп'ютерний зір, онлайнові рекомендовані системи, біоінформатика та відеоігри. Нарешті, описуються перспективні напрями досліджень: лінійні факторні моделі, автокодувальники, навчання вистав, структурні ймовірності моделі, методи Монте-Карло, статистична сума, наближений висновок і глибокі породжувальні моделі.
Видання буде корисним студентами та аспірантам, а також досвідченим програмістам, які хотіли б застосувати глибоке навчання в складі своїх продуктів або платформ.
