Boken 'Mathematics of Deep Learning' utforsker de matematiske prinsippene bak dyplæring og gir en grundig innføring i sentrale elementer ved dype nevrale nettverk (DNN-er). I stedet for å kun fokusere på implementeringen av DNN-baserte algoritmer, tar denne kompakte læreboken sikte på å gi en dypere forståelse av de matematiske ideene som ligger til grunn. Dette perspektivet kan bidra til å besvare viktige spørsmål som tidligere kun har fått empiriske svar. Innholdet i boken er basert på et semesterkurs kalt 'Introduksjon til matematikken bak dyplæring', rettet mot avanserte bachelorstudenter og førsteårs studenter på masternivå innen matematikk. Her introduseres grunnleggende begreper fra dyplæring på en rigorøs matematisk måte, inkludert definisjoner av dype nevrale nettverk, tapsfunksjoner og algoritmen for tilbakepropagering. For hver konsept foretar forfatterne en grundig vurdering av den enkleste settingen som minimerer teknisk kompleksitet, noe som sikrer at leserne kan graspe essensen av dyplæring på en oversiktlig måte.
