Deep learning to rodzaj systemu uczącego się, który pozwala komputerom na naukę na podstawie doświadczeń i zrozumienie świata w sennie hierarchii pojęć. Ponieważ komputer gromadzi wiedzę na podstawie doświadczeń, nie potrzebny jest nadzór człowieka w celu określenia całej wiedzy potrzebnej komputerowi.

Hierarchia pojęć pozwala komputerowi uczyć się skomplikowanych pojęć rozbudowując je na podstawie prostszych elementów. Graf takich hierarchii będzie miał głębokość wielu warstw.

Książka wprowadza szeroki zakres tematów z zakresu deep learning.

W tekście można znaleźć podstawy matematyczne i pojęciowe obejmujące odnośne pojęcia z zakresu algebry liniowej, teorii prawdopodobieństwa, teorii informacji, obliczeń numerycznych oraz systemów uczących się.

Książka opisuje techniki deep learning używane przez praktyków w przemyśle, w tym głębokie sieci sprzężone do przodu, regularyzację, algorytmy optymalizacyjne, sieci splotowe, modelowanie ciągów oraz metodologie praktyczne.

Przywoływane są takie zastosowania jak rozpoznawanie mowy, obrazy komputerowe, systemy rekomendacji w trybie online, bioinformatyk oraz gry wideo.

Wreszcie książka przedstawia perspektywy badań naukowych obejmując takie zagadnienia teoretyczne jak modele o współczynnikach liniowych, autokodowania, uczenie się reprezentacji, strukturalne modele probabilistyczne, metody Monte Carlo, funkcja podziału, przybliżone wnioskowanie oraz głębokie modele generatywne.

Książka Deep Learning może być używana przez studentów studiów podstawowych i podyplomowych planujących swoją karierę w przemyśle lub w badaniach naukowych, oraz przez inżynierów oprogramowania, którzy chcą zacząć wykorzystywać techniki deep learning w swoich produktach lub platformach działania.

Książka wprowadza szeroki zakres tematów z zakresu deep learning.

Ian Goodfellow jest naukowcem w OpenAI.

Yoshua Bengio, pracuje na stanowisku profesora informatyki na uniwersytecie w Monteralu.

Aaron Courville adiunktem informatyki na tej samej uczelni.