Deep Learning por Ian Goodfellow, Yoshua Bengio, Aaron Courville

A aprendizagem profunda é uma forma de aprendizagem automática que permite aos computadores aprender com a experiência e compreender o mundo em termos de uma hierarquia de conceitos. Uma vez que o computador reúne conhecimento a partir da experiência, não há necessidade de um operador humano de computador especificar formalmente todo o conhecimento de que o computador necessita. A hierarquia de conceitos permite ao computador aprender conceitos complicados construindo-os a partir de conceitos mais simples; um gráfico destas hierarquias teria muitas camadas de profundidade. Este livro apresenta uma vasta gama de tópicos de aprendizagem profunda.

O texto oferece uma base matemática e conceptual, abrangendo conceitos relevantes em álgebra linear, teoria das probabilidades e teoria da informação, computação numérica e aprendizagem automática. Descreve técnicas de aprendizagem profunda utilizadas por profissionais da indústria, incluindo redes neurais feedforward, regularização, algoritmos de otimização, redes evolucionais, modelação de sequências e metodologia prática; e investigação aplicações como o processamento de linguagem natural, reconhecimento de fala, visão por computador, sistemas de recomendação online, bioinformática e videojogos. Por fim, o livro oferece perspetivas de investigação, abrangendo tópicos teóricos como modelos de fatores lineares, autocodificadores, aprendizagem de representação, modelos probabilísticos estruturados, métodos de Monte Carlo, função de partição, inferência aproximada e modelos generativos.

O Deep Learning pode ser utilizado por estudantes de licenciatura ou pós-graduação que planeiam carreiras na indústria ou na investigação e por engenheiros de software que desejam começar a utilizar o deep learning nos seus produtos ou plataformas. O site oferece material complementar para leitores e instrutores.