A revolução das redes neurais

Este livro fornece uma exploração abrangente da aprendizagem profunda começando com os conceitos básicos de redes neurais incluindo o algoritmo perceptron e técnicas-chave como feed-forward e backpropagation otimização e regularização. O livro aprofunda os fundamentos da aprendizagem profunda abrangendo conceitos importantes como a descida do gradiente a retropropagação e soluções para desafios como o problema do gradiente de fuga. O livro introduz depois as redes neuronais convolucionais (CNN) explicando as suas arquitecturas camadas de convolução e de pooling e aplicações como a aprendizagem por transferência para a classificação de imagens. Além disso aborda arquitecturas avançadas de aprendizagem profunda como LSTMs GRUs e autoencoders incluindo vários tipos como redes generativas esparsas de remoção de ruído e adversárias. Por último o livro aborda uma vasta gama de aplicações em aprendizagem profunda desde o processamento e segmentação de imagens até à deteção de objectos geração de vídeo para texto e sistemas de diálogo que utilizam LSTMs fornecendo conhecimentos teóricos e práticos para a implementação de modelos de aprendizagem profunda.