隨著現(xiàn)代化計(jì)算機(jī)科學(xué)的發(fā)展以及計(jì)算機(jī)運(yùn)算能力的提升，人工智能得以高速發(fā)展并迅速走進(jìn)我們的生活和工作之中。而深度學(xué)習(xí)作為人工智能領(lǐng)域的“排頭兵”，經(jīng)過十多年的發(fā)展，已經(jīng)能夠出色地完成非常復(fù)雜的工作，并將在未來新一輪的產(chǎn)業(yè)升級(jí)中起到至關(guān)重要的作用。本書從基礎(chǔ)理論和編程實(shí)踐兩方面展開論述，帶領(lǐng)讀者在算法層面上理解各種神經(jīng)網(wǎng)絡(luò)模型，并借助Keras框架搭建和訓(xùn)練模型，應(yīng)用于解決實(shí)際問題。
全書共12章。第1章講解如何搭建深度學(xué)習(xí)的編程環(huán)境，并簡(jiǎn)單回顧了學(xué)習(xí)深度學(xué)習(xí)必備的數(shù)學(xué)知識(shí)。第2章從回歸算法出發(fā)帶領(lǐng)讀者踏上深度學(xué)習(xí)之路。第3～9章全面講解時(shí)下幾種主流的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括多層感知機(jī)（MLP）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、自動(dòng)編碼器（AE）、變分自動(dòng)編碼器（VAE）、對(duì)抗生成網(wǎng)絡(luò)（GAN）等。第10～12章著重介紹時(shí)下幾類主流的深度學(xué)習(xí)應(yīng)用，包括圖像識(shí)別、目標(biāo)檢測(cè)和自然語言處理等。無論是算法原理還是編程實(shí)踐，本書都從易到難、循序漸進(jìn)地講解，并配合簡(jiǎn)單輕松的實(shí)例幫助讀者加深印象。
本書定位為一本深度學(xué)習(xí)入門教程，旨在幫助讀者快速建立深度學(xué)習(xí)知識(shí)體系，并使讀者能通過訓(xùn)練簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型來解決實(shí)際問題。對(duì)于希望在深度學(xué)習(xí)這門學(xué)科上深耕細(xì)作、更上一層樓的讀者，筆者建議選定自己感興趣的方向（如計(jì)算機(jī)圖像處理、自然語言處理、強(qiáng)化學(xué)習(xí)等），通過閱讀論文及勤寫代碼來全面提升自己的水平。
本書不僅適用于需要在工作中應(yīng)用深度學(xué)習(xí)技術(shù)的專業(yè)人員，而且適用于具備一定計(jì)算機(jī)編程基礎(chǔ)的人工智能和深度學(xué)習(xí)愛好者。對(duì)于大專院校相關(guān)專業(yè)的師生，本書也是一本不錯(cuò)的參考讀物。