Dowiedz się, co dzieje się wewnątrz czarnej skrzynki! Aby korzystać z głębokiego uczenia, musisz przygotować dane, wybrać odpowiedni model, wytrenować go, ocenić jakość i precyzję oraz przewidzieć przetwarzanie niepewności i zmienności w wyjściowych danych zrealizowanego rozwiązania. Ta książka krok po kroku wprowadza w podstawowe koncepcje matematyczne, które będą przydatne jako ekspert danych, — w rachunku wektorowym, algebrze liniowej i wnioskowaniu bayesowskim, przedstawiając je z perspektywy głębokiego uczenia.
Autorzy tłumaczą matematykę, teorię i zasady budowy modeli głębokiego uczenia, a następnie pokazują zastosowanie teorii w praktyce, przytaczając fragmenty kodu programowego w Pythonie z szczegółowymi komentarzami. W książce przejdziesz drogę od podstaw algebry, rachunku i statystyki do nowoczesnych architektur głębokiego uczenia, będących wynikiem najnowszych badań.