深度学习基础

　　深度学习是人工智能的核心技术，也是计算机科学的重要分支。本书作为该领域的入门教材，系统整理和规划了相关知识体系，内容上尽量覆盖了近年来深度学习的主要常见模型和前沿热点。全书共分为13章，大致可以分为四个部分：第一部分（第1-3章）重点介绍机器学习/深度学习的基础概念；第二部分（第4-5章）介绍机器学习/深度学习的3大类基本问题，即分类、回归和聚类问题，并简要介绍了浅层机器学习的若干常见方法作为铺垫；第三部分（第6-7章）为深度学习中的重要基础性知识，即神经网络的优化方法和感知机模型；第四部分（第8-13章）为深度学习的主要常见模型与方法，包括建模序列数据的神经网络、卷积神经网络、预训练方法、图神经网络、生成式神经网络、从强化学习到深度强化学习等。本书每章均附有习题，重要内容均配有编程练习题以及用Python语言编写的参考例程，可供读者阅读或者练习，以加深对相关内容的理解。本书具有清晰的思维脉络，图文并茂，层层递进，可读性好。本书可以作为高等学校计算机、人工智能、自动化、电子和通信等相关专业的本科生或者研究生教材，也可供对深度学习/机器学习感兴趣的研究人员和工程技术人员阅读参考。

暂缺《深度学习基础》作者简介

暂缺《深度学习基础》目录