Boken 'Geometry of Deep Learning' av Jong Chul Ye gir studenter verdifulle innsikter i geometri som er essensielle for å forstå dyp læring fra et samlet perspektiv. I motsetning til mange eksisterende bøker om dyp læring, som ofte fokuserer på implementeringsteknikker, beskriver denne boken dyp læring som en avansert form for signalbehandlingsmetoder. For å underbygge dette, presenteres en oversikt over klassiske tilnærminger innen kjernebasert maskinlæring, hvor både fordeler og begrensninger blir nøye forklart. Boken tar også for seg de grunnleggende byggeklossene i dype nevrale nettverk, både fra et biologisk og algoritmisk perspektiv. Videre beskrives de nyeste verktøyene, som oppmerksomhet, normalisering, Transformer, BERT, GPT-3 og flere. Her fremheves viktigheten av den vakre geometriske strukturen som eksisterer bak disse heuristic-tilnærmingene, noe som muliggjør en systematisk forståelse av dyp læring. Med en enhetlig geometrisk analyse inviterer boka leserne til å oppdage de underliggende strukturene som former moderne maskinlæring og bidrar til en dypere forståelse av feltet.
