Springer – Introduction to Deep Learning 2018

در تاریخ: 1405/06/21 10:43:14

توضیحات

کتاب Introduction to Deep Learning. درک مسیر تحول هوش مصنوعی از اصول اولیه ریاضی تا شبکه‌های عصبی پیچیده امروزی، کلید موفقیت در یادگیری این فناوری است. این کتاب درسی تالیف ساندرو اسکانسی، یک راهنمای منسجم، قابل‌فهم و جذاب است که سیر تکاملی و تاریخی مفاهیم پایه‌ای یادگیری عمیق را از ریشه‌های آن در محاسبات منطقی تا مدل‌های پیوندگرای مدرن بررسی می‌کند. اثر حاضر تلاش می‌کند توازنی دقیق میان مبانی نظری ریاضی و پیاده‌سازی‌های عملی برقرار کند تا دانشجویان مقاطع کارشناسی و تحصیلات تکمیلی بتوانند به دیدگاهی جامع دست یابند.

کتاب با تشریح پیش‌نیازهای ریاضی ضروری آغاز شده و سپس به تدریج ساختارهای اصلی شبکه‌های عصبی مصنوعی از جمله شبکه‌های پیش‌خور، شبکه‌های عصبی کانولوشنی (CNN)، شبکه‌های عصبی برگشت‌پذیر (RNN) و خودرمزگذارها (Autoencoders) را معرفی می‌نماید. نویسنده با زبانی روان الگوریتم‌های بنیادینی نظیر پس‌انتشار خطا (Backpropagation) را توضیح می‌دهد و نشان می‌دهد که چگونه یادگیری عمیق توانسته است قلمروهای سنتی هوش مصنوعی مانند استدلال و برنامه‌ریزی را که زمانی در انحصار سیستم‌های منطقی بودند، با موفقیت فتح کند.

ویژگی های کتاب

مرور جامع سیر تاریخی و مفهومی هوش مصنوعی از منطق ریاضی تا مدل‌های عمیق امروزی.
پوشش کامل معماری‌های اصلی شبکه‌های عصبی شامل شبکه‌های کانولوشنی، برگشت‌پذیر و خودرمزگذارها.
تشریح دقیق ریاضیات پایه‌ای و الگوریتم‌های حیاتی مانند پس‌انتشار خطا با مثال‌های ملموس.
طراحی ساختاریافته به عنوان کتاب درسی مناسب برای دانشجویان رشته‌های علوم کامپیوتر و مهندسی.
ارائه بینش‌های شهودی و مثال‌های کاربردی جهت تسهیل فرآیندMastery و یادگیری مستمر در حوزه هوش مصنوعی.