Основы прикладной математики и машинного обучения Теория вероятности и теория информации Оценка максимального правдоподобия Современные подходы к глубоким сетям Регуляризация в глубоком обучении Оптимизация в обучении глубоких моделей Моделирование последовательностей Исследования по глубокому обучению Структурные вероятностные модели в глубоком обучении Преодоление трудностей, связанных со статической суммой Глубокое обучение - это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры. Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ. Книга издана в цвете и в твердом переплете. 2-е цветное издание, исправленное.