Il libro è strutturato intorno ai seguenti argomenti chiave: fondamenti delle reti neurali, reti neurali convoluzionali (CNN), reti neurali ricorrenti (RNN), modelli generativi e apprendimento per rinforzo. Inoltre, vengono trattati anche argomenti avanzati come il meccanismo di attenzione, l'architettura dei trasformatori, l'apprendimento multimodale, l'apprendimento a pochi colpi, gli esempi e le difese avversarie, l'ottimizzazione dei parametri e le tecniche di regolarizzazione. Ogni capitolo inizia con una breve introduzione all'argomento e fornisce una comprensione intuitiva e geometrica dei concetti sottostanti. Riteniamo che l'intuizione geometrica sia essenziale per la comprensione dei concetti di deep learning e ci sforziamo di utilizzare le visualizzazioni per aiutare i lettori a costruire un solido modello mentale dei concetti. Il libro fornisce anche un'intuizione di programmazione, che aiuta i lettori a capire come implementare algoritmi di deep learning utilizzando framework popolari come Tensor Flow o Py Torch. Riteniamo che l'intuizione della programmazione sia cruciale per i lettori che vogliono sviluppare competenze pratiche e applicare le tecniche di deep learning ai problemi del mondo reale.