书籍介绍
本书内容定位
本书侧重在实际应用中让读者快速掌握基于深度学习模型的系统开发，内容覆盖以下几个部分。
第1 部分（第1、2 章）讲解深度学习的现状、概念和实现工具。
第2 部分（第3~5 章）介绍深度学习在自然语言处理、计算机视觉、预测等应用中常见模型的举例及实现，包括自然语言处理中的词嵌入向量模型；图像理解中普遍使用的卷积神经网络（CNN）及其在物体检测（object detection）方面的应用；应用于机器翻译的递归神经网络模型（RNN）和长短期记忆模型（LSTM）。
第3 部分（第6~12 章）介绍学术界和工业界最新的一些高阶深度学习模型和实现，以及它们在互联网搜索、广告、对话机器人、电商等领域的应用，包括：用于对话机器人的DeepProbe 模型；用于单张照片产品识别和属性生成的VPR模型；用于信息检索和语义向量生成的DeepIntent 模型；用于文本语义嵌入和匹配的fastText 模型；生成对抗网络（GAN），以及在图像生成和自然语言处理中的应用；强化学习模型的模型结构、训练算法和应用。这些模型和实现都已经应用在微软的众多产品中，并获得了很好的效果。
第4 部分（第13 章）是讨论及展望，包括模型在线推理的优化及硬件加速的实现等。最后对目前深度学习技术的局限性做出分析，对其发展方向和下一个浪潮进行展望。
推荐语
本书深入浅出地介绍了深度学习中常用的多种算法和模型，并结合实际的搜索广告系统，介绍了很多深度神经网络在实际系统中的应用。本书兼顾了理论介绍和实际应用，尤其适合于想要将深度学习技术应用于工程实践的读者阅读。
——丁晓青，清华大学教授， IEEE/IAPR Fellow
本书从原理、模型、应用等方面对深度学习进行了全方位的详细解读，包括提供清晰的图示和简洁的代码，方便初学者快速掌握深度学习的基本技术并初步了解研究前沿。本书提供了多个产品级案例，乃作者多年工程实践经验的总结，无疑是初学者的案头必备！
——林宙辰，北京大学教授，IEEE/IAPR Fellow
非常高兴向各位朋友介绍这本书。虽然深度学习的书已经很多，但从实用技术落地的角度出发，让初学者快速上手的还真不多。本书并没有过多纠结于理论，或停留在对框架和工具的介绍，而是通过具体应用实例深入浅出地讲解深度学习模型、分享经验教训。这是我特别赞赏的地方。五位作者是微软人工智能的专家，具有丰富的技术研究和产品开发的成功经验。他们抽出宝贵时间，无私奉献其行业经验，尤为难能可贵！
——裴健，加拿大一级研究讲座教授（大数据科学领域）、加拿大西蒙弗雷泽大学计算科学学院教授、统计与精算学系和健康科学院兼职教授
在深度学习大潮下，出现了很多关于深度学习的书籍，而这本聚焦于深度学习模型和应用详解的书与众不同，来得非常及时。从掌握深度学习的理论算法到熟练应用其解决实际问题有一段很长的距离，也是人工智能落地产生价值的关键，本书可以看作填补这段距离的有益尝试。本书作者都是工作在人工智能相关应用领域一线的优秀研究人员和应用科学家，兼具理论和应用背景，实践经验丰富，没有人比他们更适合来写这样一本书了！
——文继荣，中国人民大学高瓴人工智能学院执行院长
本书既不是对深度学习框架的简单介绍，也不是纯理论的探讨，而是试图结合产品实践来全面讲解深度学习模型在不同领域的应用及经验。本书作者是我在微软的同事，长期负责微软在线广告平台中机器学习算法的研发，这本书凝聚了他们丰富的实战经验，非常适合希望运用深度学习到实际场景的工程师和研究员，值得强烈推荐。
——谢幸，微软亚洲研究院首席研究员
当前，人工智能技术取得了前所未有的关注，在语音、视觉、自然语言处理及大数据等领域，都发挥了巨大的作用。人工智能作为一门理论与实践并重的学科，要求研究人员在理解相关理论的同时，也要了解如何在实际系统中应用人工智能技术。本书是微软人工智能专家多年实践经验的结晶，极好地平衡了理论与实践，对人工智能技术的理论及算法成果落地进行了深入浅出的介绍，将有力促进人工智能技术的普及。
——颜水成，依图科技CTO
本书购买链接可查看原文链接
