Derin öğrenme, bilgisayarlara deneyimle öğrenme ve dünyayı kavramlar hiyerarşisiyle anlama yeteneği kazandıran bir makine öğrenimi türüdür. Bilgisayar deneyimden bilgi edindiği için, bilgisayara gerekli bilgileri biçimsel olarak tanımlayan bir insan operatöre ihtiyaç kalmaz. Hiyerarşik yapı, bilgisayarın karmaşık kavramları daha basit olanlardan inşa ederek öğrenmesini sağlar; bu hiyerarşi grafiği birçok seviyeyi içerebilir. Bu kitapta okuyucu, derin öğrenmede incelenen konulara geniş bir bakış bulacaktır. Kitap, lineer cebir, olasılık teorisi, bilgi teorisi, sayısal hesaplamalar ve makine öğreniminin materyali anlamak için gerekli olan matematiksel ve kavramsal temellerini içerir. Pratikte kullanılan derin öğrenme yöntemleri, doğrudan yayılım derin ağları, düzenleme, optimizasyon algoritmaları, evrişimli ağlar, dizilim modelleme ve diğerleri anlatılır. Doğal dil işleme, konuşma tanıma, bilgisayarlı görü, çevrimiçi öneri sistemleri, biyoinformatik ve video oyunları gibi uygulamalara değinilir. Son olarak, lineer faktör modelleri, otoenkoderler, temsil öğrenimi, yapısal olasılıksal modeller, Monte Carlo yöntemleri, istatistiksel toplam, yaklaşık çıkarım ve derin üretici modeller gibi gelecek araştırma alanları açıklanır. Yayın, öğrenciler ve lisansüstü öğrenciler için yararlı olacak ve ayrıca derin öğrenmeyi ürün veya platformlarında kullanmak isteyen deneyimli programcılar için faydalıdır.