Dieses Lehrbuch bietet eine prägnante, zugängliche und ansprechende Einführung in das Deep Learning und präsentiert eine Vielzahl von konnektionistischen Modellen, die den aktuellen Stand der Technik repräsentieren. Der Text untersucht die beliebtesten Algorithmen und Architekturen in einem einfachen und intuitiven Stil und erklärt die mathematischen Ableitungen Schritt für Schritt. Der Inhalt umfasst konvolutionale Netzwerke, LSTMs, Word2vec, RBMs, DBNs, neuronale Turingmaschinen, Gedächtnisnetzwerke und Autoencoder. Im gesamten Buch werden zahlreiche Beispiele in funktionierendem Python-Code bereitgestellt, und der Code wird auch separat zur Verfügung gestellt. Themen und Merkmale umfassen eine Einführung in die Grundlagen des maschinellen Lernens sowie die mathematischen und rechnerischen Voraussetzungen für das Deep Learning; eine Diskussion über Feedforward-neuronale Netzwerke und eine Erkundung der Modifikationen, die auf jedes neuronale Netzwerk angewendet werden können.