ایجاد امکان یادگیری برای ماشین ها، همواره یکی از دغدغه های اصلی کارشناسان حوزه هوش مصنوعی بوده است. موضوع کتاب حاضر یادگیری عمیق ژرف است؛ یکی از شاخه های جذاب هوش مصنوعی. این کتاب بیان بسیار مفصلی از تکامل فناوری های یادگیری در طی شش سال گذشته را ارائه می دهد. هدف اصلی کتاب آشنایی با مفاهیم و ابزارهایی است که شما برای پیاده سازی برنامه هایی نیاز دارید که می توانند از داده ها بیاموزند. در این کتاب برای آموزش و اجرای کارآمد الگوریتم ها از کتابخانه محبوب TensorFlow و API سطح بالای یادگیری ژرف یعنی Keras استفاده شده است. قطعه کدهای زیادی در کتاب دیده می شود که تقریباً از تمامی آنها می توانید در پروژه های عملی خود استفاده کنید. توجه داشته باشید که برای درک بهتر کدهای موجود در کتاب، به دانش پایه در زبان Python نیاز دارید. در github نیز می توانید تمام کدهای کتاب را جست وجو کنید.
مطالب کتاب در ۲۰ فصل تدوین شده است. به طور کلی رئوس مطالب مطرح شده در این کتاب عبارت اند از: مقدمه ای بر شبکه های عصبی، ساخت و آموزش شبکه های عصبی با استفاده از TensorFlow و Keras، بررسی مهم ترین معماری های شبکه های عصبی (شبکه های عصبی پیش خور، شبکه های عصبی کانولوشن، شبکه های عصبی برگشتی، ترانسفورمرها، خود رمزگذارها، شبکه های مولد تخاصمی، شبکه های عصبی گرافی)، یادگیری بی ناظر (خوشه بندی، کاهش ابعاد)، یادگیری خود ناظر، استفاده از شبکه های عصبی ژرف در یادگیری تقویتی، مقدمه ای بر AUTOML، کار با واحد پردازش تنسور (TPU)، شرح اکوسیستم TensorFlow و بررسی سایر کتابخانه های سودمند در یادگیری ژرف.