Învățarea profundă: Fundamente și concepte

Recenzii ale cititorilor

Această carte este foarte apreciată ca fiind una dintre cele mai bune resurse pentru înțelegerea învățării profunde și a învățării automate, oferind explicații clare și accesibile împreună cu fundamente matematice riguroase. Deși este bine structurată și cuprinzătoare, a primit critici pentru inexactități în detaliile matematice și explicații subpar în anumite secțiuni de învățare profundă.

⬤ Cea mai bună carte despre învățarea profundă, conform mai multor recenzenți.
⬤ Explicații accesibile și intuitive, menținând în același timp rigoarea matematică.
⬤ Acoperă o gamă largă de subiecte, inclusiv progrese recente precum transformatoarele și modelele de difuzie.
⬤ Imprimare și legare de înaltă calitate în edițiile mai noi.
⬤ Bun atât pentru începători, cât și pentru practicieni experimentați.
⬤ Bine organizat și eficient din punct de vedere pedagogic.

⬤ Capitolele specifice privind rețelele convoluționale și transformatoarele sunt slab explicate și lipsite de profunzime.
⬤ Unele erori matematice semnalate de cititori, ceea ce duce la îngrijorări cu privire la acuratețea subiectelor mai complexe.
⬤ Au fost semnalate probleme inițiale de calitate a imprimării, deși acestea s-au îmbunătățit în edițiile mai noi.

(pe baza a 46 recenzii ale cititorilor)

Titlul original:

Deep Learning: Foundations and Concepts

Conținutul cărții:

Această carte oferă o introducere cuprinzătoare la ideile centrale care stau la baza învățării profunde. Ea este destinată atât începătorilor în învățarea automată, cât și celor deja experimentați în domeniu. Acoperind concepte-cheie referitoare la arhitecturi și tehnici contemporane, această carte esențială oferă cititorilor o bază solidă pentru o potențială specializare viitoare. Domeniul învățării profunde se află într-o evoluție rapidă și, prin urmare, această carte se concentrează pe ideile care sunt susceptibile de a rezista testului timpului.

Cartea este organizată în numeroase capitole de mici dimensiuni, fiecare explorând un subiect distinct, iar narațiunea urmează o progresie liniară, fiecare capitol bazându-se pe conținutul predecesorilor săi. Această structură este potrivită pentru predarea unui curs universitar sau postuniversitar de învățare automată de două semestre, rămânând în același timp la fel de relevantă pentru cei angajați în cercetarea activă sau în studiul individual.

O înțelegere deplină a învățării automate necesită un anumit bagaj matematic și, prin urmare, cartea include o introducere de sine stătătoare în teoria probabilităților. Cu toate acestea, cartea se concentrează pe transmiterea unei înțelegeri clare a ideilor, cu accent pe valoarea practică a tehnicilor în lumea reală, mai degrabă decât pe teoria abstractă. Prin urmare, conceptele complexe sunt prezentate din mai multe perspective complementare, inclusiv descrieri textuale, diagrame, formule matematice și pseudocod.

Chris Bishop este Technical Fellow la Microsoft și director al Microsoft Research AI4Science. Este membru al Darwin College Cambridge, membru al Royal Academy of Engineering și membru al Royal Society.

Hugh Bishop este cercetător științific aplicat la Wayve, o companie de conducere autonomă cu învățare profundă din Londra, unde proiectează și antrenează rețele neuronale profunde. Și-a finalizat MPhil-ul în Machine Learning and Machine Intelligence la Universitatea Cambridge.

"Chris Bishop a scris un manual extraordinar despre rețelele neuronale în 1995 și are o cunoaștere profundă a domeniului și a ideilor sale fundamentale. Experiența sa de mulți ani în explicarea rețelelor neuronale l-a făcut extrem de abil în a prezenta idei complicate în cel mai simplu mod posibil și este o încântare să vedem aceste abilități aplicate la noile evoluții revoluționare din domeniu." -- Geoffrey Hinton

"Odată cu explozia recentă a învățării profunde și a inteligenței artificiale ca subiect de cercetare și cu creșterea rapidă a importanței aplicațiilor IA, era mare nevoie de un manual modern pe această temă. The "New Bishop" umple cu măiestrie acest gol, acoperind algoritmi pentru învățarea supravegheată și nesupravegheată, familii moderne de arhitecturi de învățare profundă, precum și modul de aplicare a tuturor acestora în diverse domenii de aplicare." - Yann LeCun

"Această carte excelentă și foarte educativă va aduce cititorul la curent cu principalele concepte și progrese în învățarea profundă, cu o ancorare solidă în probabilități. Aceste concepte alimentează actualele sisteme industriale de inteligență artificială și vor constitui probabil baza progreselor viitoare către inteligența generală artificială." -- Yoshua Bengio