本书兼顾了数学上的理解和代码实践，内容主要包括基础知识和深度学习模型。第一章节介绍深度学习的简洁发展思路和表示学习机制；第二章、第三章介绍了神经网络的基于梯度的优化方法、神经网络的优化难点以及相应的解决办法；第四章讨论神经网络也会遇到的过拟合问题；第五章分析神经网络的最小组成部分——神经元；第六章讨论三种方案解决浅层网络的训练难题：批标准化、SeLu、ResNet；第七章、第八章讲述了两种重要的神经网络模型：卷积神经网络和循环神经网络。 本书适合对于深度学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程技术和基本的数学知识。