《深入浅出深度学习》对深度学习进行了深入浅出的介绍,语言简明扼要、通俗易懂。介绍了各个时期最著名的联结主义模型，同时以简单、直观的形式展示了各种最流行的算法和体系结构，详细解释了数学求导过程。本书的内容涵盖卷积网络、LSTM、 word2vec、RBM、DBN、神经图灵机、记忆网络以及自动编码器。此外，本书还提供了大量可以 实际运行的Python代码示例。 主要内容 介绍机器学习的基础知识以及深度学习的数学和计算先决条件 讨论前馈神经网络,并探索可以应用于任何神经网络的修改 探讨卷积神经网络,以及前馈神经网络的循环连接 描述分布式表示的概念、自动编码器的概念，以及使用深度学习进行语言处理背后的思想 简单介绍人工智能和神经网络的发展历史,提出深度学习和联结主义的各种有趣的开放性研究问题

Sandro Skansi博士是克罗地亚萨格勒布大学的逻辑学助理教授,同时还是克罗地亚萨格勒布代数学院的数据科学讲师。他拥有GitHub北极代码库贡献者勋章(ArcticCode Vault Contributor)。

前　　言 本教科书并未包含新的科研成果，我所做的工作仅仅是整理、编辑已有的知识，然后通过一些示例和我自己的认识对其进行解释说明。我将努力通过广泛的引用、例证来涵盖所有相关内容，同时流畅地为大家讲解。但是，现在的世界充满了“电子设备和开关”，想要罗列并准确汇总所有观点或理念是非常困难的，因为网上存在大量的优秀资料(社交媒体的发展壮大让网络世界变得异常活跃)。我会努力在第2版中更正所有错误和疏忽之处，也欢迎大家不吝指正并提出宝贵意见或建议。 在《深入浅出深度学习》中，我给出了一些历史背景注释，指出给定观点首次披露的时间。之所以这样做，不仅是为了佐证相应观点的真实性，也是为了让读者有一个明确的时间线。但需要注意的是，这个时间线可能会产生一定的误导，因为某个观点或技术首次被提出或发明的时间并不一定就是其作为一项机器学习技术被采用的时间。这种情况比较常见，当然，也并不全是这种情况。 《深入浅出深度学习》是对深度学习的初级介绍。深度学习是采用深度人工神经网络进行的一种特殊的学习类型，不过，现在深度学习和人工神经网络被认为是同一个专题领域。人工神经网络是机器学习的一个子领域，而机器学习又是统计学和人工智能(AI)的一个子领域。相比于统计学，人工神经网络在人工智能领域要更为流行。现在，深度学习已经不满足于仅仅解决一个子领域下的又一个子领域内的问题，而是尝试解决整个人工智能领域的问题。现在，深度学习已成功进入越来越多的人工智能领域，如推理和计划，而这两者曾经是逻辑人工智能(也称为“有效的老式人工智能”，简称GOFAI)的重要研究领域。从这种意义上讲，我们可以说深度学习是人工智能领域...