深度学习是目前机器学习研究领域最为活跃的一个分支。本书以应用为导向，从初学者的角度出发，对深度学习的发展、数学基础、主要模型、常用框架这四个部分展开叙述，力求系统全面而又浅显易懂。全书共11章，第1章阐述了人工智能的起源与发展；第2章介绍了专业的预备知识，主要包括向量与矩阵、导数与梯度、概率论等相关数学基础；第3～10章依次介绍了正在广泛使用并取得了突破性进展的深度学习模型，包括自编码网络、卷积神经网络、循环神经网络、残差网络、生成式对抗网络、深度强化学习、图神经网络、Transformer网络；第11章简述了常见的深度学习框架，分别从优势与不足、常用操作函数以及实例方面进行介绍，便于读者结合自身情况灵活选用编程工具，在实践中加深对模型的理解。
本书适用于人工智能、智能科学与技术、大数据科学与技术、智能机器人、人工智能技术服务等专业的低年级研究生、本科生与高等职业院校学生的实践教学，也可供相关专业技术人员参考，具有很强的适用性。
展开
