本書共14章, 分為四篇: 第一篇為深度學習相關的基本概念與理論 (第1-2章) 梳理了深度學習的發(fā)展歷程、前沿與趨勢, 介紹了機器學習任務類型、評價指標、過擬合與欠擬合偏差與方差、最大似然估計、貝葉斯決策、損失函數(shù)設計等; 第二篇介紹典型神經(jīng)網(wǎng)絡 (第3-7章) 包括多層感知機、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、Transformer 和圖神經(jīng)網(wǎng)絡; 第三篇為深度學習前沿方向, 包括深度生成模型、深度神經(jīng)網(wǎng)絡的優(yōu)化方法、正則化方法、自監(jiān)督學習、強化學習及深度神經(jīng)網(wǎng)絡的高效計算方法。第四篇為深度學習實戰(zhàn), 以PyTorch框架為例介紹張量操作、自動求導和神經(jīng)網(wǎng)絡層構建, 同時結合圖像分類、文本分類的實戰(zhàn)案例展示深度學習模型的實現(xiàn)流程。