Deep Learning: Foundations and Concepts

Christopher M. Bishop, Hugh Bishop

⬅ Site principal · ⬅ Notas

Edição: Springer, 2024

Nota

Esta pasta contém apenas notas conceituais de leitura deste livro, em formato de slides. Implementações de código e experimentos substanciais em Deep Learning têm repositório próprio: veja o satélite DeepLearning.

Capítulo 1 — The Deep Learning Revolution

  • Nota 1 — 1.1 O impacto do deep learning
  • Nota 2 — 1.2 Um exemplo tutorial: ajuste de curvas, complexidade e regularização (prevista)
  • Nota 3 — 1.3 Uma breve história do aprendizado de máquina (prevista)

Capítulo 2 — Probabilities

  • Nota 4 — 2.1 As regras da probabilidade (prevista)
  • Nota 5 — 2.2–2.3 Densidades de probabilidade e a distribuição gaussiana (prevista)
  • Nota 6 — 2.4 Transformação de densidades (prevista)
  • Nota 7 — 2.5 Teoria da informação (prevista)
  • Nota 8 — 2.6 Probabilidades bayesianas (prevista)

Capítulo 3 — Standard Distributions

  • Nota 9 — 3.1 Variáveis discretas (prevista)
  • Nota 10 — 3.2.1–3.2.3 A gaussiana multivariada: geometria, momentos e limitações (prevista)
  • Nota 11 — 3.2.4–3.2.6 Gaussiana multivariada: distribuições condicional e marginal, teorema de Bayes (prevista)
  • Nota 12 — 3.2.7–3.2.9 Gaussiana multivariada: máxima verossimilhança, estimação sequencial e misturas (prevista)
  • Nota 13 — 3.3–3.4 Variáveis periódicas e a família exponencial (prevista)
  • Nota 14 — 3.5 Métodos não paramétricos (prevista)

Notas complementares: