"深度学习正日益深刻地渗入我们的生活，从建议内容到在任务关键型和安全关键型应用中发挥核心作用，其影响无所不在。然而，随着这些算法影响力的逐渐扩大，人们对于依赖这些算法的系统安全性和鲁棒性的担忧也日益加剧。简言之，传统的深度学习方法往往难以察觉自身的知识边界，即它们“不知其所不知”。
    贝叶斯深度学习(Bayesian Deep Learning，BDL)领域包含一系列利用深度网络进行近似贝叶斯推理的方法。这些方法通过揭示模型对其预测结果的置信度，增强了深度学习系统的鲁棒性，使我们能够更谨慎地将模型预测融入实际应用中。
    《Python贝叶斯深度学习》将引领你踏入迅速发展的不确定性感知深度学习领域，助你深入理解不确定性估计在构建鲁棒性的机器学习系统中的重要价值。你将学习多种流行的BDL方法，并通过涵盖多种应用场景的Python实用示例来掌握这些方法的实现技巧。
读完本书后，你将深刻理解BDL及其优势，并能够为更安全、更鲁棒的深度学习系统开发贝叶斯深度学习模型。
主要内容：
● 了解贝叶斯推理和深度学习的优缺点
● 了解贝叶斯神经网络(Bayesian Neural Network，BNN)的基本原理
● 了解主要贝叶斯神经网络实现/近似之间的差异
● 了解生产环境中概率深度神经网络的优势
● 在Python代码中实现各种贝叶斯深度学习方法
● 运用贝叶斯深度学习方法解决实际问题
● 学习如何评估贝叶斯深度学习方法并为特定任务选择**方法
● 在实际深度学习应用中处理“分布外”数据
"