深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。本書囊括了數(shù)學及相關概念的背景知識，包括線性代數(shù)、概率論、信息論、數(shù)值優(yōu)化以及機器學習中的相關內容。同時，它還介紹了工業(yè)界中實踐者用到的深度學習技術，包括深度前饋網(wǎng)絡、正則化、優(yōu)化算法、卷積網(wǎng)絡、序列建模和實踐方法等，并且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統(tǒng)、生物信息學以及視頻游戲方面的應用。最后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數(shù)、近似推斷以及深度生成模型。