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、智能助手、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。 

主要特點：  

系統(tǒng)性：系統(tǒng)地整理了神經(jīng)網(wǎng)絡和深度學習的知識體系。鑒于深度學習涉及的知識點較多，本書從機器學習的基本概念、神經(jīng)網(wǎng)絡模型以及概率圖模型三個層面來串聯(lián)深度學習所涉及的知識點，使讀者對深度學習技術(shù)的理解更具系統(tǒng)性、條理性和全面性。  

可讀性：本書在編排上由淺入深，在語言表達上力求通俗易懂，并通過增加圖例、示例以及必要的數(shù)學推導來理解抽象的概念。同時，附錄簡要介紹了本書所涉及的必要數(shù)學知識，便于讀者查用。  

實踐性：本書在網(wǎng)站上配套了針對每章知識點的編程練習，使得讀者在學習過程中可以將理論和實踐密切結(jié)合，加深對知識點的理解，并具備分析問題和解決問題的能力。