Das Buch bietet einen einfachen Zugang zum Aufbau von Deep-Learning-Modellen und erleichtert das Lernen mit farbenfrohen, lebendigen Illustrationen. Teil I erklärt, was Deep Learning ist, warum es so allgegenwärtig geworden ist und wie es sich auf Konzepte und Terminologien wie Künstliche Intelligenz, Machine Learning, Künstliche Neuronale Netze und Verstärkungslernen bezieht. Die einleitenden Kapitel sind vollgepackt mit anschaulichen Illustrationen, leicht verständlichen Analogien und charakterorientierten Erzählungen. Auf dieser Grundlage bieten die Autoren eine praktische Referenz und ein Tutorial zur Anwendung eines breiten Spektrums bewährter Techniken des Deep Learning. Die wesentliche Theorie wird mit so wenig Mathematik wie möglich behandelt und mit Python-Code beleuchtet. Die Theorie wird durch praktische »Durchläufe« unterstützt, die kostenfrei online verfügbar sind (Jupyter-Notebooks) und ein pragmatisches Verständnis aller wichtigen Deep-Learning-Ansätze und ihrer Anwendungen liefern: Machine Vision, Natural Language Processing, Bilderzeugung und Spielalgorithmen.