Deep Learning

Descrizione:
Il testo offre una base matematica e concettuale, coprendo concetti rilevanti di algebra lineare, teoria della probabilità e teoria dell'informazione, calcolo numerico e apprendimento automatico (machine learning). Descrive le tecniche di deep learning utilizzate dai professionisti del settore, tra cui reti neurali profonde di tipo feedforward, regolarizzazione, algoritmi di ottimizzazione, reti convoluzionali, modellazione di sequenze e metodologia pratica; inoltre, esamina applicazioni quali l'elaborazione del linguaggio naturale, il riconoscimento vocale, la visione artificiale, i sistemi di raccomandazione online, la bioinformatica e i videogiochi. Infine, il libro offre prospettive di ricerca, coprendo argomenti teorici come i modelli a fattori lineari, gli autoencoder, l'apprendimento delle rappresentazioni (representation learning), i modelli probabilistici strutturati, i metodi Monte Carlo, la funzione di partizione, l'inferenza approssimata e i modelli generativi profondi.