Apprendimento profondo

Recensioni dei lettori

Il libro fornisce un'introduzione completa al Deep Learning, concentrandosi sui suoi fondamenti e principi matematici. Pur essendo apprezzato per la chiarezza delle spiegazioni e l'approfondimento, i potenziali lettori dovrebbero avere una certa preparazione matematica per comprendere appieno i contenuti. Tuttavia, il libro non è adatto a coloro che cercano applicazioni pratiche o una guida alla programmazione nel Deep Learning.

⬤ Spiegazioni chiare e concise di argomenti complessi.
⬤ Si concentra sulle basi matematiche del Deep Learning.
⬤ Accessibile ai lettori con una conoscenza di base dell'algebra e di alcuni calcoli.
⬤ Offre un approccio rinnovato che enfatizza la geometria e le rappresentazioni visive.
⬤ Adatto a un vasto pubblico, compresi gli ingegneri del software e i principianti.
⬤ Molti lo hanno trovato utile per comprendere i concetti fondamentali prima di immergersi in materiali più complessi.

⬤ Richiede una buona conoscenza del calcolo e dell'algebra lineare, che potrebbe non essere accessibile a tutti i lettori.
⬤ Il libro non è destinato a chi vuole implementare algoritmi o software di Deep Learning.
⬤ Alcuni recensori lo hanno trovato impegnativo nelle sezioni centrali.
⬤ È fisicamente più piccolo del previsto, il che potrebbe deludere alcuni lettori.
⬤ La versione Kindle risulta difficile da leggere a causa di problemi di formattazione.

(basato su 48 recensioni dei lettori)

Titolo originale:

Deep Learning

Contenuto del libro:

Un'introduzione accessibile alla tecnologia di intelligenza artificiale che consente la visione artificiale, il riconoscimento vocale, la traduzione automatica e le auto senza conducente.

L'apprendimento profondo è una tecnologia di intelligenza artificiale che consente la visione artificiale, il riconoscimento vocale nei telefoni cellulari, la traduzione automatica, i giochi di intelligenza artificiale, le auto senza conducente e altre applicazioni. Quando utilizziamo prodotti di consumo di Google, Microsoft, Facebook, Apple o Baidu, spesso interagiamo con un sistema di deep learning. In questo volume della serie Essential Knowledge della MIT Press, l'informatico John Kelleher offre un'introduzione accessibile e concisa ma completa alla tecnologia fondamentale al centro della rivoluzione dell'intelligenza artificiale.

Kelleher spiega che il deep learning consente di prendere decisioni guidate dai dati identificando ed estraendo modelli da grandi insiemi di dati; la sua capacità di apprendere da dati complessi rende il deep learning ideale per sfruttare la rapida crescita dei big data e della potenza di calcolo. Kelleher spiega anche alcuni concetti di base dell'apprendimento profondo, presenta una storia dei progressi nel campo e discute lo stato attuale dell'arte. Descrive le principali architetture di deep learning, tra cui gli autoencoder, le reti neurali ricorrenti e le reti a lungo termine, oltre a sviluppi recenti come le reti avversarie generative e le reti a capsula. Fornisce inoltre un'introduzione completa (e comprensibile) ai due algoritmi fondamentali del deep learning: la discesa del gradiente e la retropropagazione. Infine, Kelleher considera il futuro del deep learning: le principali tendenze, i possibili sviluppi e le sfide più importanti.