본 책은 심층 학습 알고리즘에 대한 소개를 목적으로 한다. 다양한 인공 신경망(ANN) 구조(완전 연결 피드포워드 ANN, 합성곱 ANN, 순환 ANN, 잔차 ANN, 배치 정규화가 포함된 ANN 등)와 다양한 최적화 알고리즘(기본 확률적 경사 하강법(SGD) 방법, 가속화 방법, 적응형 방법 등)을 포함하여 심층 학습 알고리즘의 필수 구성 요소를 완전한 수학적 세부 사항으로 검토한다. 또한 ANN의 근사 능력(ANN에 대한 미적분 포함), 최적화 이론(Kurdyka-Łojasiewicz 부등식 포함) 및 일반화 오차와 같은 심층 학습 알고리즘의 몇 가지 이론적 측면을 다룬다. 책의 마지막 부분에서는 물리 정보 신경망(PINN)과 심층 Galerkin 방법을 포함하여 PDE에 대한 몇 가지 심층 학습 근사 방법을 검토한다. 심층 학습에 대한 배경 지식이 전혀 없는 학생과 과학자들이 견고한 기반을 얻고자 하는 경우와 심층 학습에서 고려되는 객체와 방법에 대한 더 확실한 수학적 이해를 얻고자 하는 실무자들에게 유용할 것으로 기대한다.
