当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。
本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。
本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。
这是一本精心编写、给完全初学者的图书。它带领读者构建一个真正、有效的神经网络，而不需要读者具备任何复杂的数学知识和深度学习的理论。
——M Ludvig
强烈推荐本书。这本书使得人工神经网络的概念非常清晰而容易理解。读者应该尝试重复本书中给出的示例，以便让本书发挥大的作用。我就是这么做的，效果不错！
——美亚的一位读者
如果你对人工智能或神经网络感兴趣的话，这应该是你的第1本入门书。本书对主题的介绍非常清晰，几乎涉及理解神经网络所需的所有知识，包括微积分、统计、矩阵、编程等等。
——Niyazi Kemer
这是一本优秀的入门图书，它有几个显著特点。它细致而透彻地介绍了神经网络。它用非常精简、实用的方式介绍了数学知识，特别是矩阵乘法和一些简单的微积分，使得读者能够很容易接受一次数学训练。它使用IPython作为计算平台，引导读者使用Python编写神经网络。
——Daniel Oderbolz
本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。
第 1 章 神经网络如何工作001
1.1 尺有所短，寸有所长 001
1.2 一台简单的预测机 003
1.3 分类器与预测器并无太大差别008
1.4 训练简单的分类器 011
1.5 有时候一个分类器不足以求解问题 020
1.6 神经元——大自然的计算机器 024
1.7 在神经网络中追踪信号 033
1.8 凭心而论，矩阵乘法大有用途 037
1.9 使用矩阵乘法的三层神经网络示例 043
1.10 学习来自多个节点的权重 051
1.11 多个输出节点反向传播误差053
1.12 反向传播误差到更多层中 054
1.13 使用矩阵乘法进行反向传播误差 058
1.14 我们实际上如何更新权重 061
1.15 权重更新成功范例 077
1.16 准备数据 078
第 2 章 使用Python进行DIY 083
2.1 Python 083
2.2 交互式Python = IPython 084
2.3 优雅地开始使用Python 085
2.4 使用Python制作神经网络 105
2.5 手写数字的数据集MNIST 121
第 3 章 趣味盎然 153
3.1 自己的手写数字 153
3.2 神经网络大脑内部 156
3.3 创建新的训练数据：旋转图像 160
3.4 结语 164
附录A 微积分简介 165
A.1 一条平直的线 166
A.2 一条斜线 168
A.3 一条曲线 170
A.4 手绘微积分 172
A.5 非手绘微积分 174
A.6 无需绘制图表的微积分 177
A.7 模式 180
A.8 函数的函数 182
附录B 使用树莓派来工作 186
B.1 安装IPython 187
B.2 确保各项工作正常进行 193
B.3 训练和测试神经网络 194
B.4 树莓派成功了 195
