Deep Learning

”Skriven av tre experter inom området, Djupinlärning är den enda heltäckande boken om ämnet.”
--Elon Musk, medordförande för OpenAI; medgrundare och vd för Tesla och SpaceX

Djupinlärning är en form av maskininlärning som gör det möjligt för datorer att lära sig av erfarenhet och förstå världen i termer av en hierarki av begrepp. Eftersom datorn samlar kunskap från erfarenhet finns det inget behov av att en mänsklig datoroperatör formellt specificerar all kunskap som datorn behöver. Hierarkin av begrepp gör det möjligt för datorn att lära sig komplicerade begrepp genom att bygga dem av enklare; en graf över dessa hierarkier skulle vara många lager djup. Denna bok introducerar ett brett spektrum av ämnen inom djupinlärning.

Texten erbjuder matematisk och konceptuell bakgrund, och täcker relevanta begrepp inom linjär algebra, sannolikhetsteori och informationsteori, numeriska beräkningar och maskininlärning. Den beskriver djupinlärningstekniker som används av praktiker inom industrin, inklusive djupa framåtriktade nätverk, reglering, optimeringsalgoritmer, konvolutionsnätverk, sekvensmodellering och praktisk metodik; och den ger en översikt över tillämpningar som naturlig språkbehandling, taligenkänning, datorseende, rekommendationssystem online, bioinformatik och datorspel. Slutligen erbjuder boken forskningsperspektiv, och täcker teoretiska ämnen som linjära faktormodeller, autoenkodare, representationsinlärning, strukturerade sannolikhetsmodeller, Monte Carlo-metoder, partitioneringsfunktionen, approximativ inferens och djupa generativa modeller.

Djupinlärning kan användas av grund- eller avancerade studenter som planerar karriärer inom antingen industrin eller forskningen, samt av mjukvaruingenjörer som vill börja använda djupinlärning i sina produkter eller plattformar. En webbplats erbjuder kompletterande material för både läsare och lärare.