第 1 章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者对相关知识进行全面的了解。
第 2、3 章介绍了机器学习的基础知识。
第 4、5、6 章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。在第 6 章中略提了下图网络的内容。
第 7 章介绍神经网络的优化与正则化方法。
第 8 章介绍神经网络中的注意力机制和外部记忆。
第 9 章简要介绍了一些无监督学习方法。
第 10 章中介绍一些和模型独立的机器学习方法：集成学习、协同学习、多任务学习、迁移学习、终生学习、小样本学习、元学习等。这些都是目前深度学习的难点和热点问题。
第 11 章介绍了概率图模型的基本概念，为后面的章节进行铺垫。
第 12 章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。
第 13 章介绍最近两年发展十分迅速的深度生成模型：变分自编码器和对抗生成网络。
第 14 章介绍了深度强化学习的知识。
第 15 章介绍了应用十分广泛的序列生成模型。
内容：本课程主要介绍神经网络与深度学习中的基础知识、主要模型（前馈网络、卷积网络、循环网络等）以及在计算机视觉、自然语言处理等领域的应用。
该书目前豆瓣评分 9.7 分，是入门深度学习最经典的几本中文教材之一，为了方便学习，我们整理了 pdf 供大家下载：
额外福利
计算机视觉
深度学习
人工智能精品学习资料已整理好（包含：知识体系图谱、视频课程、专业书籍 PDF 版、项目实战），免费领取！
