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。

第1章引论001
1.1深度学习概念的引出001
1.1.1人类的学习001
1.1.2什么是机器学习？001
1.1.3什么是深度学习？003
1.2深度学习的发展历史006
1.3深度学习与人工智能007
1.3.1什么是人工智能？007
1.3.2人工智能的发展历程
0081.3.3人工智能的三大学派011
1.3.4深度学习技术手段在人工智能应用中的优势012
1.4为什么要深度学习？013
1.4.1人工智能已经进入深度学习时代013
1.4.2深度学习技术促进了人工智能与其他学科、领域的交叉和融合014
1.5本书后续内容安排016
1.6本章小结019
思考题019
参考文献019
……