„Geschrieben von drei Experten auf diesem Gebiet, Tiefes Lernen ist das einzige umfassende Buch zu diesem Thema.“
–Elon Musk, Co-Vorsitzender von OpenAI; Mitbegründer und CEO von Tesla und SpaceX

Deep Learning ist eine Form des maschinellen Lernens, die es Computern ermöglicht, aus Erfahrungen zu lernen und die Welt anhand einer Hierarchie von Konzepten zu verstehen. Da der Computer Wissen aus Erfahrung sammelt, ist es nicht erforderlich, dass ein menschlicher Computerbediener das gesamte Wissen, das der Computer benötigt, formal spezifiziert. Die Hierarchie der Konzepte ermöglicht es dem Computer, komplizierte Konzepte zu erlernen, indem er sie aus einfacheren aufbaut. Ein Diagramm dieser Hierarchien wäre viele Schichten tief. Dieses Buch stellt eine breite Palette von Themen des Deep Learning vor.

Der Text bietet mathematische und konzeptionelle Hintergrundinformationen und deckt relevante Konzepte der linearen Algebra, der Wahrscheinlichkeitstheorie und Informationstheorie, der numerischen Berechnung und des maschinellen Lernens ab. Es beschreibt Deep-Learning-Techniken, die von Praktikern in der Industrie verwendet werden, einschließlich Deep-Feedforward-Netzwerke, Regularisierung, Optimierungsalgorithmen, Faltungsnetzwerke, Sequenzmodellierung und praktische Methodik; und es untersucht Anwendungen wie die Verarbeitung natürlicher Sprache, Spracherkennung, Computer Vision, Online-Empfehlungssysteme, Bioinformatik und Videospiele. Abschließend bietet das Buch Forschungsperspektiven und deckt theoretische Themen wie lineare Faktormodelle, Autoencoder, Repräsentationslernen, strukturierte Wahrscheinlichkeitsmodelle, Monte-Carlo-Methoden, die Partitionsfunktion, ungefähre Inferenz und tiefe generative Modelle ab.

Tiefes Lernen kann von Studenten oder Doktoranden genutzt werden, die eine Karriere in der Industrie oder Forschung planen, sowie von Softwareentwicklern, die Deep Learning in ihren Produkten oder Plattformen einsetzen möchten. Eine Website bietet ergänzendes Material für Leser und Dozenten.