深度学习作为人工智能领域的“排头兵”，将在未来的新一轮产业升级中起到至关重要的作用。本书以“理论＋实践”的形式帮助读者快速建立深度学习知识体系，不仅能在算法层面上理解各种神经网络模型，而且能借助功能强大且极易上手的Keras 框架，熟练地搭建和训练模型，应用于解决实际问题。
全书共12章，内容涵盖入门深度学习的绝大部分基础知识。第1章讲解如何搭建深度学习的编程环境，并简单回顾了学习深度学习必备的数学知识。第2章从回归算法出发带领读者踏上深度学习之路。第3～9章全面讲解时下几种主流神经网络结构，包括多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、
自动编码器（AE）、变分自动编码器（VAE）、对抗生成网络（GAN）等。第10～12章着重介绍时下主流的几类深度学习应用，包括图像识别、目标检测和自然语言处理等。无论是算法原理还是编程实践，本书都从易到难、循序渐进地讲解，并配合简单轻松的实例帮助读者加深印象。
本书不仅适合需要在工作中应用深度学习技术的专业人员，而且适合具备一定计算机编程基础的人工智能和深度学习爱好者。对于大专院校相关专业的师生，本书也是一本不错的参考读物。
适读人群 ：本书不仅适合需要在工作中应用深度学习技术的专业人员，而且适合具备一定计算机编程基础的人工智能和深度学习爱好者。对于大专院校相关专业的师生，本书也是一本不错的参考读 从算法原理到编程实践，从基础知识到应用实战，案例丰富、类型广泛、图文并茂、步骤讲解、上手快速，配套资料全面，兼顾自学和教学用书。
随着现代化计算机科学的发展以及计算机运算能力的提升，人工智能得以高速发展并迅速走进我们的生活和工作之中。而深度学习作为人工智能领域的“排头兵”，经过十多年的发展，已经能够出色地完成非常复杂的工作，并将在未来新一轮的产业升级中起到至关重要的作用。本书从基础理论和编程实践两方面展开论述，带领读者在算法层面上理解各种神经网络模型，并借助Keras框架搭建和训练模型，应用于解决实际问题。
全书共12章。第1章讲解如何搭建深度学习的编程环境，并简单回顾了学习深度学习必备的数学知识。第2章从回归算法出发带领读者踏上深度学习之路。第3～9章全面讲解时下几种主流的神经网络结构，包括多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、自动编码器（AE）、变分自动编码器（VAE）、对抗生成网络（GAN）等。第10～12章着重介绍时下几类主流的深度学习应用，包括图像识别、目标检测和自然语言处理等。无论是算法原理还是编程实践，本书都从易到难、循序渐进地讲解，并配合简单轻松的实例帮助读者加深印象。
本书定位为一本深度学习入门教程，旨在帮助读者快速建立深度学习知识体系，并使读者能通过训练简单的神经网络模型来解决实际问题。对于希望在深度学习这门学科上深耕细作、更上一层楼的读者，笔者建议选定自己感兴趣的方向（如计算机图像处理、自然语言处理、强化学习等），通过阅读论文及勤写代码来全面提升自己的水平。
本书不仅适用于需要在工作中应用深度学习技术的专业人员，而且适用于具备一定计算机编程基础的人工智能和深度学习爱好者。对于大专院校相关专业的师生，本书也是一本不错的参考读物。
李易
毕业于世界著名学府美国宾夕法尼亚大学，擅长 Python、C++ 等主流编程语言与 AI 视觉处理。在校期间曾在世界知名的 Haim Bau 教授实验室参与基于 AI 图像算法的寨卡（Zika）病毒识别、HSV（单纯疱疹病毒）检测等多个研究项目。目前就职于汽车行业供应商瑞典 Syntronic 公司，带领团队研发基于 AI 技术与商用 5G 车联网的车内生命检测系统。
书单推荐
