Reti neurali e apprendimento profondo: Un libro di testo

Recensioni dei lettori

Il libro è una risorsa accademica completa per la comprensione dei fondamenti del deep learning, che enfatizza la teoria e gli algoritmi, con spiegazioni chiare e un'ampia copertura dei recenti sviluppi nel campo. Tuttavia, manca di esempi pratici di programmazione e di una discussione sulle incorporazioni.

Ben organizzato con spiegazioni chiare, copre i concetti fondamentali dell'apprendimento profondo e la matematica pertinente, fornisce ampi aggiornamenti che includono modelli linguistici di grandi dimensioni e architetture moderne, include molti esercizi per rafforzare i concetti.

Non include esempi pratici di programmazione o soluzioni per gli esercizi, manca una discussione sugli embeddings e richiede un solido background in calcolo e algebra lineare.

(basato su 7 recensioni dei lettori)

Titolo originale:

Neural Networks and Deep Learning: A Textbook

Contenuto del libro:

Questo libro di testo tratta i modelli classici e moderni di deep learning e include esempi ed esercizi in tutti i capitoli. I metodi di deep learning per vari domini di dati, come testo, immagini e grafici, sono presentati in dettaglio. I capitoli di questo libro abbracciano tre categorie:

L'algoritmo di backpropagation è discusso nel capitolo 2. Le basi delle reti neurali: L'algoritmo di backpropagation è discusso nel capitolo 3.

Molti modelli tradizionali di apprendimento automatico possono essere intesi come casi speciali di reti neurali. Il Capitolo 3 esplora le connessioni tra l'apprendimento automatico tradizionale e le reti neurali. Le macchine a vettori di supporto, la regressione lineare/logistica, la decomposizione del valore singolare, la fattorizzazione di matrici e i sistemi di raccomandazione sono dimostrati essere casi speciali di reti neurali.

Nei capitoli 4 e 5 viene fornita una discussione dettagliata sull'addestramento e la regolarizzazione. I capitoli 6 e 7 presentano le reti di funzioni a base radiale (RBF) e le macchine di Boltzmann ristrette.

I capitoli 8, 9 e 10 trattano le reti neurali ricorrenti, le reti neurali convoluzionali e le reti neurali a grafo. Nei capitoli 11 e 12 vengono introdotti diversi argomenti avanzati come l'apprendimento profondo per rinforzo, i meccanismi di attenzione, le reti trasformatrici, le mappe auto-organizzative di Kohonen e le reti generative avversarie.

Il libro di testo è rivolto a studenti laureati e a studenti di livello universitario. Anche i ricercatori e i professionisti che lavorano in questo campo vorranno acquistarlo.

Laddove possibile, viene evidenziata una visione incentrata sulle applicazioni, al fine di fornire una comprensione degli usi pratici di ciascuna classe di tecniche.

La seconda edizione è stata sostanzialmente riorganizzata e ampliata con capitoli separati sulla backpropagation e sulle reti neurali a grafo. Molti capitoli sono stati significativamente rivisti rispetto alla prima edizione.

È stata data maggiore attenzione alle moderne idee di deep learning, come i meccanismi di attenzione, i trasformatori e i modelli linguistici pre-addestrati.