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。