این کتاب از مبانی تا مفاهیم پیشرفته را به صورت جامع بررسی می‌کند. نویسندگان این کتاب، از پیشگامان یادگیری عمیق محسوب می‌شوند، برای مثال یوشوا بنجیو یکی از سه پدرخوانده یادگیری عمیق است و یان گودفلو خالق شبکه‌های متخاصم مولد (GANs) است.
“Deep Learning” یکی از بهترین کتاب‌های موجود در حوزه یادگیری عمیق است و به صورت جامع به مفاهیم و تکنیک‌های اصلی این حوزه پرداخته می‌شود. این کتاب به همراه بخش‌هایی در مورد مفاهیم ریاضی کاربردی (مانند جبر خطی، نظریه احتمال و اطلاعات و محاسبات عددی) و مبانی یادگیری ماشین، به شما کمک می‌کند تا اصول ریاضیاتی مرتبط با هوش مصنوعی را درک کنید (که این اصول پایه‌ای برای ساختارهای هوش مصنوعی می‌باشند).
مقدمه ای بر طیف گسترده ای از موضوعات در یادگیری عمیق، که زمینه های ریاضی و مفهومی، تکنیک های یادگیری عمیق مورد استفاده در صنعت و دیدگاه های پژوهشی را پوشش می دهد.
” آموزش عمیق که توسط سه متخصص در این زمینه نوشته شده است، تنها کتاب جامع در این زمینه است.”
الون ماسک ، رئیس مشترک OpenAI؛ بنیانگذار و مدیرعامل تسلا و اسپیس ایکس

یادگیری عمیق شکلی از یادگیری ماشینی است که رایانه ها را قادر می سازد از تجربیات بیاموزند و جهان را بر اساس سلسله مراتبی از مفاهیم درک کنند. از آنجا که کامپیوتر دانش را از تجربه جمع آوری می کند، نیازی نیست که یک اپراتور کامپیوتر انسانی به طور رسمی تمام دانش مورد نیاز کامپیوتر را مشخص کند. سلسله مراتب مفاهیم به رایانه اجازه می دهد تا مفاهیم پیچیده را با ساختن آنها از مفاهیم ساده تر یاد بگیرد. نموداری از این سلسله مراتب چندین لایه عمیق خواهد بود. این کتاب طیف گسترده ای از موضوعات را در یادگیری عمیق معرفی می کند.

این متن پس‌زمینه‌های ریاضی و مفهومی را ارائه می‌دهد که مفاهیم مرتبط در جبر خطی، نظریه احتمالات و نظریه اطلاعات، محاسبات عددی و یادگیری ماشین را پوشش می‌دهد. این تکنیک‌های یادگیری عمیق را که توسط پزشکان در صنعت استفاده می‌شود، توصیف می‌کند، از جمله شبکه‌های پیش‌خور عمیق، منظم‌سازی، الگوریتم‌های بهینه‌سازی، شبکه‌های کانولوشن، مدل‌سازی توالی، و روش‌شناسی عملی. و برنامه هایی مانند پردازش زبان طبیعی، تشخیص گفتار، بینایی کامپیوتر، سیستم های توصیه آنلاین، بیوانفورماتیک و بازی های ویدیویی را بررسی می کند. در نهایت، این کتاب دیدگاه‌های پژوهشی را ارائه می‌کند که موضوعات نظری مانند مدل‌های عامل خطی، رمزگذارهای خودکار، یادگیری بازنمایی، مدل‌های احتمالی ساختاریافته، روش‌های مونت کارلو، تابع تقسیم، استنتاج تقریبی و مدل‌های مولد عمیق را پوشش می‌دهد.

یادگیری عمیق را می توان توسط دانشجویان کارشناسی یا کارشناسی ارشد برنامه ریزی مشاغل در صنعت یا تحقیقات و مهندسان نرم افزاری که می خواهند از یادگیری عمیق در محصولات یا پلتفرم های خود استفاده کنند، استفاده کرد. یک وب سایت مطالب تکمیلی را هم برای خوانندگان و هم برای مربیان ارائه می دهد.

 کتاب یادگیری عمیق می‌تواند مرجعی مناسب در کنار منابع آموزشی دیگری باشد که شما را در رسیدن به توانمندی فوق العاده در زمینه یادگیری عمیق برساند. این کتاب نه تنها در مورد مفاهیم یادگیری عمیق صحبت می کند، بلکه ابتدا دانش و مفاهیم ریاضی کاربردی (جبر خطی، نظریه احتمالات و اطلاعات، محاسبات عددی) و مبانی یادگیری ماشین را از نظر ریاضیات (پایه ترین اجزای سازنده هوش مصنوعی) بررسی می کند .
کتاب یادگیری عمیق با نام لاتین (Deep Learning) نوشتۀ ایان گودفلو(Ian Goodfellow)، یاشوا بنجیو(Yoshua Bengio)و آرون کورویل(Aaron Courville)؛ توسط ایوب ترکیان ترجمه شده است و انتشارات نیاز دانش در 552 صفحه، قطع وزیری و جلد شومیز آن را منتشر نموده است. در حال حاضر آخرین چاپ این کتاب در فروشگاه‌های فیزیکی و اینترنتی کتاب درخشش در دسترس می‌باشد که با افزودن آن به سبد خرید و تکمیل فرایند سفارش، در اسرع وقت برای شما ارسال خواهد شد.