"本书是一部系统阐述深度学习理论、方法与实践的专业教材，为读者构建了一套完整的深度学

习知识体系。全书共14 章，分为四篇：第一篇为深度学习相关的基本概念与理论（第1~2 章），

梳理了深度学习的发展历程、前沿与趋势，介绍了机器学习任务类型、评价指标、过拟合与欠拟合、

偏差与方差、**似然估计、贝叶斯决策、损失函数设计等；第二篇介绍典型神经网络（第3~7 章），

包括多层感知机、卷积神经网络、循环神经网络、Transformer 和图神经网络；第三篇为深度学习前

沿方向，包括深度生成模型、深度神经网络的优化方法、正则化方法、自监督学习、强化学习及深

度神经网络的高效计算方法。第四篇为深度学习实战，以PyTorch 框架为例介绍张量操作、自动求

导和神经网络层构建，同时结合图像分类、文本分类的实战案例展示深度学习模型的实现流程。此

外，附录部分补充了本书所需的线性代数、微积分、概率统计等数学基础知识。

本书适合作为高校人工智能及相关专业深度学习课程教材，也可以作为广大深度学习技术使用

者的自学参考用书。

"