本书介绍了人工智能与机器学习、深度学习的背景与发展历程，以简单易懂的方式回顾了线性代数与矩阵运算、根底论与统计学基础、优化算法与梯度下降等内容，对模型构建、前馈神经网络、卷积神经网络、循环神经网络、自编码器、注意力网络等深度学习模型的构建方法进行了详细介绍，并用大量的例程介绍了深度学习在计算机视觉、自然语言处理、语音识别、推荐系统等领域的应用，讨论了强化学习、生成模型、深度强化学习、迁移学习等前沿话题。 

第1章  基础知识
第2章  模型构建
第3章  应用案例
第4章  拓展应用
第5章  实战训练 
第6章  未来展望
附录 
参考文献