Архитектура глубокого обучения. Математический подход

Книга описывает, как работают нейронные сети, с математической точки зрения и предлагает оценивать успех нейронных сетей не методом проб и ошибок, а путем четкого математического анализа. Современные идеи глубокого обучения представлены с опорой на концепции классической математики. Среди рассматриваемых тем: введение в теорию нейронных сетей; нейронные сети как универсальные аппроксиматоры и процессоры информации; сверточные (CNN), рекуррентные (RNN), генеративно-состязательные (GAN) нейронные сети и многое другое. В конце глав приводятся упражнения на закрепление пройденного материала. Издание будет интересно исследователям машинного обучения, а также может использоваться для преподавания глубокого обучения на старших курсах университетов, при этом первые несколько частей вполне доступны студентам младших курсов.