Aprendizaje profundo- Ian Goodfellow

Este libro puede ser útil para una variedad de lectores, pero lo escribimos teniendo en cuenta dos públicos principales. Una de estas audiencias es estudiantes universitarios (graduados o graduados) que aprenden sobre el aprendizaje automático, incluyendo aquellos que están iniciando una carrera en el aprendizaje profundo y la investigación de inteligencia arti fi cial. El otro público objetivo son los ingenieros de software que no tienen un aprendizaje de la máquina o antecedentes estadísticos, pero quieren adquirir rápidamente uno y comenzar a utilizar el aprendizaje profundo en su producto o plataforma. El aprendizaje profundo ya ha demostrado su utilidad en muchas disciplinas de software como la visión por computadora, el procesamiento del habla y el audio, el procesamiento del lenguaje natural, la robótica, la bioinformática y la química, los videojuegos, los motores de búsqueda, la publicidad en línea y las finanzas. Para acomodar mejor a una variedad de lectores. La Parte I presenta las herramientas matemáticas básicas y los conceptos de aprendizaje automático. La Parte II describe los algoritmos de aprendizaje profundo más establecidos que son tecnologías esencialmente resueltas. Parte III describe más ideas especulativas que se cree ampliamente que son importantes para la investigación futura en el aprendizaje profundo. Asumimos que todos los lectores provienen de un fondo de ciencias de la computación. Asumimos familiaridad con la programación, una comprensión básica de los problemas de rendimiento computacional, la teoría de la complejidad, el cálculo del nivel de introducción y parte de la terminología de la teoría de los gráficos.