第 1 章是緒論， 介紹人工智能、 機(jī)器學(xué)習(xí)、 深度學(xué)習(xí)的概要， 使讀者全面了解相關(guān)知識(shí) . 第 2 、 3 章介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí) . 第 4 ～ 6 章分別講述三種主要的神經(jīng)網(wǎng)絡(luò)模型： 前饋神經(jīng)網(wǎng)絡(luò)、 卷積神經(jīng)網(wǎng)絡(luò)和循環(huán) 神經(jīng)網(wǎng)絡(luò) . 第 7 章介紹神經(jīng)網(wǎng)絡(luò)的優(yōu)化與正則化方法 . 第 8 章介紹神經(jīng)網(wǎng)絡(luò)中的注 意力機(jī)制和外部記憶 . 第 9 章簡要介紹一些無監(jiān)督學(xué)習(xí)方法 . 第 10 章介紹一些模 型獨(dú)立的機(jī)器學(xué)習(xí)方法： 集成學(xué)習(xí)、 自訓(xùn)練、 協(xié)同訓(xùn)練多任務(wù)學(xué)習(xí)、 遷移學(xué)習(xí)、 終 身學(xué)習(xí)、 元學(xué)習(xí)等， 這些都是目前深度學(xué)習(xí)的難點(diǎn)和熱點(diǎn)問題 . 第 11 章介紹概率 圖模型的基本概念， 為后面的章節(jié)進(jìn)行鋪墊 . 第 12 章介紹兩種早期的深度學(xué)習(xí)模 型： 玻爾茲曼機(jī)和深度信念網(wǎng)絡(luò) . 第 13 章介紹最近兩年發(fā)展十分迅速的深度生成 模型： 變分自編碼器和生成對抗網(wǎng)絡(luò) . 第 14 章介紹深 In Chapter 2 and 3, the basic knowledge of machine learning is introduced In Chapter 4-6, three main neural network models are introduced: feedforward neural network, convolution neural network and cycle Neural networks. Chapter 7 introduces the optimization and regularization methods of neural networks. Chapter 8 introduces the notes in neural networks Mental mechanism and external memory. Chapter 9 briefly introduces some unsupervised learning methods. Chapter 10 introduces some models Type-I independent machine learning methods: integrated learning, self-training, collaborative training, multi task learning, transfer learning, end Body learning and meta learning are the difficulties and hot issues of deep learning. Chapter 11 introduces probability In Chapter 12, we introduce two kinds of early deep learning models)