本書包括3 個部分：第1 部分介紹基本的數(shù)學工具和機器學習的概念，它們是深度學習的預備知識；第2 部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學習方法和技術(shù)；第3 部分討論某些具有前瞻性的方向和想法，它們被公認為是深度學習未來的研究重點。

本書適合各類讀者閱讀，包括相關(guān)專業(yè)的大學生或研究生，以及不具有機器學習或統(tǒng)計背景、但是想要快速補充深度學習知識，以便在實際產(chǎn)品或平臺中應(yīng)用的軟件工程師。

目錄

第1部分 應(yīng)用數(shù)學與機器學習基礎(chǔ)
第2章　線性代數(shù)
第3章　概率與信息論
第4章　數(shù)值計算
第5章　機器學習基礎(chǔ)
第2部分 深層網(wǎng)絡(luò)：現(xiàn)代實踐
第6章　深度前饋網(wǎng)絡(luò)
第7章　深度學習中的正則化
第8章　深度模型中的優(yōu)化
第9章　卷積網(wǎng)絡(luò)
第10章　序列建模：循環(huán)和遞歸網(wǎng)絡(luò)
第11章　實踐方法論
第12章　應(yīng)用
第3部分　深度學習研究
第13章　線性因子模型
第14章　自編碼器
第15章　表示學習
第16章　深度學習中的結(jié)構(gòu)化概率模型
第17章　蒙特卡羅方法
第18章　直面配分函數(shù)
第19章　近似推斷
第20章　深度生成模型