Pri znanstveni založbi Springer je izšla monografija Representation Learning: Propositionalization and Embeddings, ki so jo napisali Marko Robnik Šikonja s Fakultete za računalništvo in informatiko UL ter Nada Lavrač in Vid Podpečan z Instituta Jožef Stefan.

Monografija obravnava napredek pri učenju podatkovnih predstavitev, ki je eno najbolj aktivnih in aktualnih raziskovalnih področij strojnega učenja. Učenje predstavitev obsega sodobne tehnike obdelave podatkov, ki pretvarjajo podatke različnih modalnosti in kompleksnosti v tabelarično predstavitev. Na primer, besedila, grafi in relacije se pretvorijo v vektorje tako, da predstavitev učinkovito zajeme njihove semantične lastnosti in medsebojne relacije. Monografija se osredotoča na (i) pristope propozionalizacije, ki so uveljavljeni pri relacijskem učenju in induktivnem logičnem programiranju in (ii) vektorske vložitve, ki so postale priljubljene z nedavnim napredkom na področju globokega učenja.

Knjiga iz enotne perspektive obravnava tehnike učenja predstavitev, ki so bile razvite na različnih področjih sodobnih podatkovnih ved. To bralcu omogoči razumeti skupna temeljna načela, istočasno pa ponudi globlji vpogled z uporabo izbranih primerov in vzorčne kode v python zvezkih. Monografija je zanimiva za široko občinstvo, od znanstvenikov s področja podatkovnih ved, raziskovalcev in študentov strojnega učenja, do razvijalcev, programskih inženirjev in raziskovalcev v industriji, ki jih zanimajo praktične rešitve umetne inteligence.