کتاب یادگیری ژرف انتشارات آتی نگر

درباره کتاب یادگیری ژرف

موضوع این کتاب، یافتن راه‌حلی  برای مسائل شهودی‌تر است. این راه حل عبارت است از این که به کامپیوتر‌ها اجازه دهیم از تجربه‌ها بیاموزند و جهان را در قالب سلسله‌مراتبی از مفاهیمی درک کنند که هر مفهوم در قالب ارتباط خود با مفاهیم ساده‌تر تعریف می‌شود. این رهیافت از طریق گردآوری دانش حاصل از تجربه، نیازی به حضور کاربران انسانی، به منظور توصیف رسمی تمام دانش مورد نیاز کامپیوتر ندارد. سلسله مراتب مفاهیم به کامپیوتر اجازه می‌دهد تا مفاهیم پیچیده را از طریق ساخت آن‌ها با استفاده از مفاهیم ساده‌تر، فرا بگیرد. اگر گرافی از نحوه ساخت هر یک از این مفاهیم در راس یکدیگر رسم کنیم، یک گراف ژرف حاصل می‌شود که دارای لایه‌های متعدد است. به همین دلیل، این روش را در هوش مصنوعی، یادگیری ژرف می‌نامیم.

سرفصل‌های یادگیری ژرف

فصل اول: مقدمه

بخش اول: مبانی یادگیری ماشین و ریاضی کاربردی

فصل دوم: جبر خطی

فصل سوم: نظریه احتمال و اطلاعات 

فصل چهارم: محاسبات عددی

فصل پنجم: اصول یادگیری ماشین

بخش دوم: شبکه‌های عمیق: شیوه‌های نوین 

فصل ششم: شبکه‌های پیش‌خور ژرف 

فصل هفتم: منظم‌سازی برای یادگیری ژرف

فصل هشتم: بهینه‌سازی برای آموزش مدل‌های ژرف

فصل نهم: شبکه‌های کانولوشنی

فصل دهم: مدل‌سازی دنباله: شبکه‌های بازگشتی و تراجعی

فصل یازدهم: روش‌شناسی کاربردی

فصل دوازدهم: کاربردها