隨著現(xiàn)代化計算機科學的發(fā)展以及計算機運算能力的提升，人工智能得以高速發(fā)展并迅速走進我們的生活和工作之中。而深度學習作為人工智能領域的“排頭兵”，經過十多年的發(fā)展，已經能夠出色地完成非常復雜的工作，并將在未來新一輪的產業(yè)升級中起到至關重要的作用。本書從基礎理論和編程實踐兩方面展開論述，帶領讀者在算法層面上理解各種神經網(wǎng)絡模型，并借助Keras框架搭建和訓練模型，應用于解決實際問題。
全書共12章。第1章講解如何搭建深度學習的編程環(huán)境，并簡單回顧了學習深度學習必備的數(shù)學知識。第2章從回歸算法出發(fā)帶領讀者踏上深度學習之路。第3～9章全面講解時下幾種主流的神經網(wǎng)絡結構，包括多層感知機（MLP）、卷積神經網(wǎng)絡（CNN）、循環(huán)神經網(wǎng)絡（RNN）、自動編碼器（AE）、變分自動編碼器（VAE）、對抗生成網(wǎng)絡（GAN）等。第10～12章著重介紹時下幾類主流的深度學習應用，包括圖像識別、目標檢測和自然語言處理等。無論是算法原理還是編程實踐，本書都從易到難、循序漸進地講解，并配合簡單輕松的實例幫助讀者加深印象。
本書定位為一本深度學習入門教程，旨在幫助讀者快速建立深度學習知識體系，并使讀者能通過訓練簡單的神經網(wǎng)絡模型來解決實際問題。對于希望在深度學習這門學科上深耕細作、更上一層樓的讀者，筆者建議選定自己感興趣的方向（如計算機圖像處理、自然語言處理、強化學習等），通過閱讀論文及勤寫代碼來全面提升自己的水平。
本書不僅適用于需要在工作中應用深度學習技術的專業(yè)人員，而且適用于具備一定計算機編程基礎的人工智能和深度學習愛好者。對于大專院校相關專業(yè)的師生，本書也是一本不錯的參考讀物。