本書深入淺出講解深度學(xué)習(xí)，對復(fù)雜的深挖其本質(zhì)，讓其簡單化；對簡單的深挖其聯(lián)系，讓其豐富化。從理論知識到實戰(zhàn)項目，內(nèi)容翔實。
本書分為兩篇，基礎(chǔ)篇主要講解深度學(xué)習(xí)的理論，實戰(zhàn)篇是代碼實踐及應(yīng)用�；�礎(chǔ)篇（第1~13章）包括由傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的過度、圖像分類的數(shù)據(jù)驅(qū)動的方法、Softmax損失函數(shù)、優(yōu)化方法與梯度、卷積神經(jīng)網(wǎng)絡(luò)的各種概念、卷積過程、卷積神經(jīng)網(wǎng)絡(luò)各種訓(xùn)練技巧、梯度反傳、各種卷積網(wǎng)絡(luò)架構(gòu)、RNN遞歸神經(jīng)網(wǎng)絡(luò)和序列模型、基于DL的語言模型、生成模型、生成對抗網(wǎng)絡(luò)等；實戰(zhàn)篇（第14~19章）包括應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類、各種網(wǎng)絡(luò)架構(gòu)、網(wǎng)絡(luò)各層可視化、貓狗圖像識別、文本分類、GAN圖像生成等。
本書適合人工智能專業(yè)的本科生、研究生，想轉(zhuǎn)型人工智能的IT從業(yè)者，以及想從零開始了解并學(xué)習(xí)深度學(xué)習(xí)的讀者閱讀。