Neural Networks and Deep Learning av Charu C. Aggarwal

Denne boka gir en grundig innføring i både klassiske og moderne modeller innen dyp læring. Hovedfokuset ligger på teorien og algoritmene som ligger til grunn for dyp læring, noe som er avgjørende for å forstå sentrale konsepter. Det er et viktig aspekt ved boken å utforske hvordan man kan tolke og designe neurale arkitekturer for forskjellige anvendelser. Forfatteren stiller spørsmål som: Hvorfor fungerer nevrale nettverk? Når fungerer de bedre enn tradisjonelle maskinlæringsmodeller? Når er dybde en fordel? Hvilke utfordringer er forbundet med trening av nevrale nettverk? Boken diskuterer også potensielle fallgruver. Den er rik på eksempler og anvendelser som gir praktikerne innsikt i hvordan nevrale arkitekturer må utformes for å håndtere ulike typer problemer. Dyp læringsmetoder for forskjellige datadomener, som tekst, bilder og grafer, blir presentert i detalj. Kapitlene i boken er delt opp i tre kategorier: Grunnleggende om nevrale nettverk, der tilbakepropageringsalgoritmen diskuteres i kapittel 2, samt mange tradisjonelle maskinlæringsmodeller.