Эта книга рассказывает о пройденном пути — от перцептрона Розенблатта до современных глубоких нейронных сетей (сложных систем вычислительных элементов, называемых искусственными нейронами),— через призму ключевых математических идей, лежащих в основе машинного обучения. Она плавно вводит читателя в курс дела, а затем, очень постепенно, повышает уровень сложности по мере того, как мы переходим от относительно простых идей 1950-х годов к более сложной математике и алгоритмам, на которых работают сегодняшние системы машинного обучения.
Поэтому мы без колебаний обратимся к уравнениям и концепциям как минимум из четырех основных областей математики — линейной алгебры, математического анализа, теории вероятностей и статистики, а также теории оптимизации, — чтобы получить необходимый минимум теоретических и концептуальных знаний и по достоинству оценить колоссальную мощь, которой мы наделяем машины.
