作者簡介 Ian Goodfellow，谷歌公司(Google) 的研究科學家，2014 年蒙特利爾大學機器學習博士。他的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。Ian Goodfellow 在研究對抗樣本方面是一位有影響力的早期研究者，他發明了生成式對抗網絡，在深度學習領域貢獻卓越。 Yoshua Bengio，蒙特利爾大學計算機科學與運籌學系(DIRO) 的教授，蒙特利爾學習算法研究所(MILA) 的負責人，CIFAR 項目的共同負責人，加拿大統計學習算法研究主席。Yoshua Bengio 的主要研究目標是了解產生智力的學習原則。他還教授“機器學習”研究生課程(IFT6266)，并培養了一大批研究生和博士后。 Aaron Courville，蒙特利爾大學計算機科學與運籌學系的助理教授，也是LISA 實驗室的成員。目前他的研究興趣集中在發展深度學習模型和方法，特別是開發概率模型和新穎的推斷方法。Aaron Courville 主要專注于計算機視覺應用，在其他領域，如自然語言處理、音頻信號處理、語音理解和其他AI 相關任務方面也有所研究。 中文版審校者簡介 張志華，北京大學數學科學學院統計學教授，北京大學大數據研究中心和北京大數據研究院數據科學教授，主要從事機器學習和應用統計學的教學與研究工作。 譯者簡介 趙申劍，上海交通大學計算機系碩士研究生，研究方向為數值優化和自然語言處理。 黎彧君，上海交通大學計算機系博士研究生，研究方向為數值優化和強化學習。 符天凡，上海交通大學計算機系碩士研究生，研究方向為貝葉斯推斷。 李凱，上海交通大學計算機系博士研究生，研究方向為博弈論和強化學習。
AI圣經！深度學習領域奠基性的經典暢銷書！長期位居美國亞馬遜AI和機器學習類圖書榜首！所有數據科學家和機器學習從業者的必讀圖書！特斯拉CEO埃隆·馬斯克等國內外眾多專家推薦！ 深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。 本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、卷積網絡、序列建模和實踐方法等，并且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。*后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。 《深度學習》這本書既可以被本科生或研究生用于規劃其學術界或工業界生涯，也適用于希望在各種產品或平臺上開始使用深度學習技術的軟件工程師。作者在本書的配套網站上為讀者和教師提供了補充資料。中文版讀者可以訪問人民郵電出版社異步社區www.epubit.com.cn獲取相關信息。 封面特色： 由藝術家Daniel Ambrosi提供的中央公園杜鵑花步道夢幻景觀。在Ambrosi的億級像素全景圖上，應用Joseph Smarr（Google）和Chirs Lamb（NVIDIA）修改后的Google DeepDream開源程序，創造了Daniel Ambrosi的“幻景”。
