《写给新手的深度学习2——用Python实现的循环神经网络RNN和VAE、GAN》一书以Python为基础，不借助TensorFlow、PyTorch等任何框架，以浅显易懂的语言对循环神经网络RNN及生成模型中的VAE、GAN的构建方法进行了详细解说。其中在前3章对深度学习和Python编程及数学的相关知识进行了简要概括，然后依次介绍了RNN、LSTM、GRU、VAE、GAN的工作原理及编程实现，这也是本书的主要内容，最后一章作为进阶准备，介绍了最优化算法、机器学习的一些技巧以及几种便于开发、试错的数据集。通过本书，读者可以从根本上理解深度学习技术的本质和相关算法原理，能够构建简单的深度学习模型，特别适合作为零基础读者学习深度学习技术的入门书，也适合作为高校人工智能相关专业的教材和参考书。

我妻幸长，一家以“人类与人工智能的共生”为己任的SAI-Lab股份有限公司的代表理事。从事AI相关的教育和研究开发。从东北大学大学院理学研究科结业。理学博士(物理学)。兴趣的对象是人工智能(AI)、复杂系统、脑科学、奇点等。作为编程AI讲师，他在线指导了近3.5万人。在世界最大的教育视频平台Udemy开设了“AI完美大师讲座”、“脑科学与人工智能”、“大家的AI讲座”等课程。作为工程师，他开发了VR、游戏、SNS等各种各样的应用软件。

第1章 深度学习的发展历程
1.1 深度学习概述
1.1.1 人工智能与机器学习
1.1.2 深度学习
1.2 深度学习的应用
1.2.1 图像识别
1.2.2 图像生成
1.2.3 异常检测
1.2.4 自然语言处理
1.2.5 强化学习
1.2.6 其他应用案例
1.3 本书所涉及的技术
1.3.1 RNN
1.3.2 生成模型
第2章 学习前的准备
2.1 Anaconda环境的搭建
2.1.1 Anaconda的下载
2.1.2 Anaconda的安装
2.1.3 Jupyter Notebook的启动
2.1.4 Jupyter Notebook的使用方法
2.1.5 Jupyter Notebook的关闭
2.2 Google Colaboratory的使用方法
2.2.1 Google Colaboratory的准备
2.2.2 Colab Notebook的使用方法
2.2.3 GPU的使用方法
2.2.4 文件的管理
2.3 Python基础
2.3.1 变量与类型
2.3.2 运算符
2.3.3 列表
2.3.4 元组
2.3.5 字典
2.3.6 if语句
2.3.7 for语句
2.3.8 函数
2.3.9 变量的作用域
2.3.10 类
2.4 NumPy与matplotlib
2.4.1 模块的导入
2.4.2 NumPy数组
2.4.3 生成数组的各种函数
2.4.4 基于reshape的形状变换
2.4.5 数组运算
2.4.6 访问元素
2.4.7 图表的绘制
2.4.8 图像的显示
2.5 基础的数学知识
2.5.1 向量
2.5.2 矩阵
2.5.3 元素项的乘积
2.5.4 矩阵乘法
2.5.5 矩阵的转置
2.5.5 微分
2.5.7 连锁律
2.5.8 偏微分
2.5.9 连锁律的扩展
……
第3章 深度学习的基础知识
第4章 RNN
第5章 LSTM
第6章 GRU
第7章 VAE
第8章 GAN
第9章 进阶准备
附录A
参考文献
后记