近年來，以機器學習、知識圖譜為代表的人工智能技術(shù)逐漸變得普及。從車牌識別、人臉識別、語音識別、智能問答、推薦系統(tǒng)到自動駕駛，人們在日常生活中都可能有意無意地使用到了人工智能技術(shù)。這些技術(shù)的背后都離不開人工智能領(lǐng)域研究者們的長期努力。特別是最近這幾年，得益于數(shù)據(jù)的增多、計算能力的增強、學習算法的成熟以及應用場景的豐富，越來越多的人開始關(guān)注這一個“嶄新”的研究領(lǐng)域：深度學習。深度學習以神經(jīng)網(wǎng)絡為主要模型，一開始用來解決機器學習中的表示學習問題。但是由于其強大的能力，深度學習越來越多地用來解決一些通用人工智能問題，比如推理、決策等。目前，深度學習技術(shù)在學術(shù)界和工業(yè)界取得了廣泛的成功，受到高度重視，并掀起新一輪的人工智能熱潮。然而，我們也應充分意識到目前的以深度學習為核心的各種人工智能技術(shù)和“人類智能”還不能相提并論。深度學習需要大量的標注數(shù)據(jù)，和人類的學習方式差異性很大。雖然深度學習取得了很大的成功，但是深度學習還不是一種可以解決一系列復雜問題的通用智能技術(shù)，而是解決單個問題的一系列技術(shù)。比如可以打敗人類的AlphaGo只能下圍棋，而不會一個簡單的算術(shù)運算。想要達到通用人工智能依然困難重重。本書的寫作目的是使得讀者能夠掌握神經(jīng)網(wǎng)絡與深度學習技術(shù)的基本原理，知其然還要知其所以然。全書共15章。第1章是緒論，介紹人工智能、機器學習、深度學習的概要，使讀者對相關(guān)知識進行全面的了解。第2、3章介紹了機器學習的基礎(chǔ)知識。第4、5、6章分別講述三種主要的神經(jīng)網(wǎng)絡模型：前饋神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡。第7章介紹神經(jīng)網(wǎng)絡的優(yōu)化與正則化方法。第8章介紹神經(jīng)網(wǎng)絡中的注意力機制和外部記憶。第9章簡要介紹了一些無監(jiān)督學習方法。第10章中介紹一些和模型獨立的機器學習方法：集成學習、協(xié)同學習、自學習、多任務學習、遷移學習、終身學習、小樣本學習、元學習等。這些都是目前深度學習的難點和熱點問題。第11章介紹了概率圖模型的基本概念，為后面的章節(jié)進行鋪墊。第12章介紹兩種早期的深度學習模型：玻爾茲曼機和深度信念網(wǎng)絡。第13章介紹最近兩年發(fā)展十分迅速的深度生成模型：變分自編碼器和對抗生成網(wǎng)絡。第14章介紹了深度強化學習的知識。第15章介紹了應用十分廣泛的序列生成模型。