یادگیری عمیق، شاخه‌ای از هوش مصنوعی است که در سال‌های اخیر تحولی بنیادین در فناوری ایجاد کرده است. از تشخیص تصویر و پردازش زبان طبیعی گرفته تا خودروهای خودران و دستیارهای هوشمند، همگی مدیون پیشرفت‌های این حوزه هستند.
کتاب حاضر با رویکردی عملی، از مفاهیم پایه یادگیری ماشین و شبکه‌های عصبی آغاز کرده و گام‌به‌گام خواننده را به معماری‌های پیشرفته یادگیری عمیق هدایت می‌کند. در فصول نخست، مبانی نظری به زبانی ساده و قابل فهم تشریح شده و سپس شبکه‌های پیچشی، شبکه‌های بازگشتی، حافظه کوتاه‌مدت ماندگار و سایر معماری‌های کلیدی معرفی می‌شوند. فصول پایانی به پیاده‌سازی عملی با استفاده از کتابخانه Deeplearning4j و اجرای مدل‌ها روی بستر Apache Spark اختصاص دارد.
ویژگی متمایز این اثر، توازن میان دانش نظری و مهارت عملی است. مثال‌های متعدد کد، تمرین‌های کاربردی و پروژه‌های واقعی، خواننده را برای ورود به دنیای حرفه‌ای یادگیری عمیق آماده می‌سازد.
این کتاب برای دانشجویان رشته‌های مهندسی کامپیوتر، برق و فناوری اطلاعات، برنامه‌نویسان، پژوهشگران و همه علاقه‌مندان به هوش مصنوعی مناسب است.

فصل 1 - مروری بر یادگیری ماشین / 44

فصل 2 - مبانی شبکه های عصبی و یادگیری عمیق / 85

فصل 3 - مبانی شبکه های عمیق / 130

فصل 4 - معماری های اصلی شبکه های عمیق / 167

فصل 5 - ساخت شبکه های عمیق / 215

فصل 6 - تنظیم شبکه های عمیق - هنر و علم بهینه سازی / 302

فصل 7 - تنظیم معماری های تخصصی - از تئوری تا عمل / 362

فصل 8 - برداری سازی / 390

فصل 9 - استفاده از یادگیری عمیق و DL4J روی Spark / 428

ضمیمه / 481