深度學(xué)習(xí)是人工智能的核心技術(shù)，也是計算機科學(xué)的重要分支。本書作為該領(lǐng)域的入門教材，系統(tǒng)整理和規(guī)劃了相關(guān)知識體系，內(nèi)容上盡量覆蓋了近年來深度學(xué)習(xí)的主要常見模型和前沿?zé)狳c。 全書共分為13章，大致可以分為四個部分：第一部分（第1-3章）重點介紹機器學(xué)習(xí)/深度學(xué)習(xí)的基礎(chǔ)概念；第二部分（第4-5章）介紹機器學(xué)習(xí)/深度學(xué)習(xí)的3大類基本問題，即分類、回歸和聚類問題，并簡要介紹了淺層機器學(xué)習(xí)的若干常見方法作為鋪墊；第三部分（第6-7章）為深度學(xué)習(xí)中的重要基礎(chǔ)性知識，即神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法和感知機模型；第四部分（第8-13章）為深度學(xué)習(xí)的主要常見模型與方法，包括建模序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、預(yù)訓(xùn)練方法、圖神經(jīng)網(wǎng)絡(luò)、生成式神經(jīng)網(wǎng)絡(luò)、從強化學(xué)習(xí)到深度強化學(xué)習(xí)等。本書每章均附有習(xí)題，重要內(nèi)容均配有編程練習(xí)題以及用Python語言編寫的參考例程，可供讀者閱讀或者練習(xí)，以加深對相關(guān)內(nèi)容的理解。 本書具有清晰的思維脈絡(luò)，圖文并茂，層層遞進，可讀性好。 本書可以作為高等學(xué)校計算機、人工智能、自動化、電子和通信等相關(guān)專業(yè)的本科生或者研究生教材，也可供對深度學(xué)習(xí)/機器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。