本书利用精美的插图和有趣的类比，对深度学习的主流技术和背后的原理进行了深入浅出的讲解，解释了什么是深度学习，深度学习流行的原因，以及深度学习与其他机器学习方法的关系。阅读本书，读者可以掌握卷积神经网络、循环神经网络、生成对抗网络和深度强化学习等热门技术，学习 TensorFlow、Keras 和 PyTorch 等热门工具的使用，同时能够更深刻地理解计算机视觉、自然语言处理和游戏等领域的人工智能应用。本书还提供了简单明了的示例和代码，能够帮助读者动手实践。

第Ⅰ部分 深度学习简介
第 1章 生物视觉与机器视觉
1.1 生物视觉
1.2 机器视觉
1.2.1 神经认知机
1.2.2 LeNet-
1.2.3 传统机器学习方法
1.2.4 ImageNet和ILSVRC
1.2.5 AlexNet
1.3 TensorFlow Playground
1.4 Quick，Draw！
1.5 小结
第 2章 人机语言
2.1 自然语言处理的深度学习
2.1.1 深度学习网络能够自动学习表征
2.1.2 自然语言处理
2.1.3 自然语言处理的深度学习简史
2.2 语言的计算表示
2.2.1 独热编码
2.2.2 词向量
2.2.3 词向量算法
2.2.4 word2viz
2.2.5 局部化与分布式表示
2.3 自然人类语言要素
2.4 Google Duplex
2.5 小结
第3章 机器艺术
3.1 一个热闹的通宵
3.2 伪人脸算法
3.3 风格迁移：照片与莫奈风格间的相互转换
3.4 让你的素描更具真实感
3.5 基于文本创建真实感图像
3.6 使用深度学习进行图像处理
3.7 小结
第4章 对弈机
4.1 人工智能、深度学习和其他技术
4.1.1 人工智能
4.1.2 机器学习
4.1.3 表征学习
4.1.4 人工神经网络
4.1.5 深度学习
4.1.6 机器视觉
4.1.7 自然语言处理
4.2 机器学习问题的3种类型
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 强化学习
4.3 深度强化学习
4.4 电子游戏
4.5 棋盘游戏
4.5.1 AlphaGo
4.5.2 AlphaGo Zero
4.5.3 AlphaZero
4.6 目标操纵
4.7 主流的深度强化学习环境
4.7.1 OpenAI Gym
4.7.2 DeepMind Lab
4.7.3 Unity ML-Agents
4.8 人工智能的3种类型
4.8.1 狭义人工智能
4.8.2 通用人工智能
4.8.3 超级人工智能
4.9 小结
目录
第Ⅱ部分 图解深度学习基本理论
第5章 先代码后理论
5.1 预备知识
5.2 安装
5.3 用Keras构建浅层网络
5.3.1 MNIST手写数字
5.3.2 浅层网络简图
5.3.3 加载数据
5.3.4 重新格式化数据
5.3.5 设计神经网络架构
5.3.6 训练深度学习模型
5.4 小结
第6章 热狗人工神经元检测器
6.1 生物神经元概述
6.2 感知机
6.2.1 热狗 非热狗感知机
6.2.2 本书中最重要的公式
6.3 现代人工神经元与激活函数
6.3.1 sigmoid神经元
6.3.2 tanh神经元
6.3.3 ReLU：线性整流单元
6.4 选择神经元
6.5 小结
6.

深入浅出讲解深度学习的主流技术及背后的原理，彩色印刷，图文并茂，助你快速上手TensorFlow和PyTorch等热门工具