Głębokie uczenie. Wprowadzenie

Od około piętnastu lat obserwujemy znaczące zmiany w dziedzinie uczenia maszynowego. Rozwój tej dziedziny jest wspierany przez dynamiczny postęp w obszarze głębokich sieci neuronowych oraz sprzętu obliczeniowego, takiego jak karty graficzne. Terminy takie jak "deep learning" czy "machine learning" budzą zainteresowanie nie tylko wśród programistów i innowatorów, ale również w środowiskach akademickich na całym świecie. Niestety, w Polsce nadal brakuje zarówno literatury, która w sposób przystępny przedstawia te zagadnienia.

Książka mająca na celu wypełnienie tej luki jest pomyślana jako wprowadzenie do tematyki uczenia głębokiego. Została opracowana tak, aby była zrozumiała również dla osób, które nie miały jeszcze doświadczenia z klasycznymi metodami uczenia maszynowego. Autorzy dużą wagę przykładają do wyjaśnienia podstawowych koncepcji takich jak klastrowanie, klasyfikacja i regresja. Kolejne rozdziały książki koncentrują się na głębokich modelach, omawiając ich podstawowe pojęcia i intuicje. Zrozumienie głębokich modeli opiera się na ich implementacji, dlatego integralną część publikacji stanowi kod źródłowy, który czytelnik może znaleźć na platformie GITHUB.