深度學習（Deep Learning）如今已成為非常活躍的研究領域，同時也為現代機器學習鋪展了一條康莊大道。本書提供許多範例與清楚的說明，引導讀者進一步了解這個複雜領域中的一些主要概念。包括Google、微軟和Facebook這樣的業界龍頭，全都在其內部積極發展深度學習團隊。不過對於一般人來說，深度學習仍舊是個相當複雜而困難的主題。如果您熟悉Python，並具備微積分的背景知識，加上對於機器學習的基本理解，本書即可幫助您入門。．瞭解機器學習和神經網路的基礎知識．瞭解如何訓練正向饋送神經網路．用TensorFlow實現你的第一個神經網路．網路越來越深度時，相關問題的管理．建立能夠分析複雜圖片的神經網路．使用自動編碼器進行有效的降維操作．深入序列分析以處理自然語言．瞭解強化學習的基礎知識

深度學習（Deep Learning）如今已成為非常活躍的研究領域，同時也為現代機器學習鋪展了一條康莊大道。本書提供許多範例與清楚的說明，引導讀者進一步了解這個複雜領域中的一些主要概念。包括Google、微軟和Facebook這樣的業界龍頭，全都在其內部積極發展深度學習團隊。不過對於一般人來說，深度學習仍舊是個相當複雜而困難的主題。如果您熟悉Python，並具備微積分的背景知識，加上對於機器學習的基本理解，本書即可幫助您入門。．瞭解機器學習和神經網路的基礎知識．瞭解如何訓練正向饋送神經網路．用TensorFlow實現你的第一個神經網路．網路越來越深度時，相關問題的管理．建立能夠分析複雜圖片的神經網路．使用自動編碼器進行有效的降維操作．深入序列分析以處理自然語言．瞭解強化學習的基礎知識  Nick Locascio是一位深度學習顧問、作家和研究人員，在Regina Barzilay實驗室從事自然語言處理（NLP）與電腦視覺方面的研究，並取得了學士與工程碩士的學位。他曾做過的專案，包括訓練神經網路使之能夠根據自然語言提示編寫程式碼，以及與MGH放射科合作應用深度學習協助臨床篩查乳房X光相片。Nick的研究成果，曾獲得MIT新聞和CNBC的報導。Nick也為財富500大企業提供深度學習的私人諮詢服務。他還參與創立了具有里程碑意義的MIT課程6.S191「深度學習簡介」，向300名學生、博士後與教授講授相關內容。Nikhil Buduma是Remedy的聯合創始人兼首席科學家，主要工作是構建一個以資料驅動為基礎的醫療保健新系統。16歲時，他在聖荷西州立大學設立了藥物探索實驗室，並為資源受限社區開發了一些低成本的新型篩查方法。19歲時，他曾兩度於國際生物奧林匹克競賽中獲得金牌。後來他就讀麻省理工學院，專注於開發大型數據系統，對醫療保健、心理健康、醫學研究等各方面都有一定的影響。他在麻省理工學院也共同參與創立了「Lean On Me」，這是一個全國性的非營利組織，主要是以匿名文字熱線的方式，在大學校園中提供有效的同伴支援，並利用數據促進積極正面的心理健康成果。Nikhil透過他的風險投資基金Q Venture Partners投資一些具有高技術與數據相關的公司，並為密爾瓦基釀酒人棒球隊管理一個數據分析團隊。 21世紀初，神經網路再次受到關注，其中「深度學習（Deep Learning）」已成為非常活躍的研究領域，同時也為現代機器學習鋪展了一條康莊大道。本書將透過解說和實例，協助你理解這個複雜領域的一些主要概念。事實上，包括Google、微軟和Facebook 等大公司，很早就開始關注這個領域的發展，而且這些公司內部的深度學習團隊也一直在積極擴展。對於我們這些其他人來說，深度學習仍是個相當複雜而困難的主題。一般研究論文總是充斥各種專業術語和行話；如果想瞭解深度學習如何解決問題及其原理，網路上分散各處的線上教程似乎也沒什麼幫助。因此，我們的目標就是希望能消除這其中的落差。
預備知識與目標讀者本書設定的目標讀者，對微積分、矩陣和Python 程式設計都應該要有基本的理解。如果缺乏這些背景就想閱讀本書，雖然並非不可能，但肯定很有挑戰性。如果讀者具備線性代數的背景知識，對於本書某些數學相關章節也很有幫助。讀完本書之後，我們希望讀者能在以下幾個方面，留下具體而直接的認知：運用深度學習來解決問題的做法、現代深度學習方法的歷史背景、熟悉如何使用TensorFlow 開源函式庫實現深度學習演算法。
譯者序這次翻譯本書非常開心，收獲出乎意料的多。首先第一大功勞，一定要感謝?峰資訊選中此書，還給了非常充足的時間！！在如此充裕的條件下，身為譯者的我除了完成譯稿之外，還額外完成了好幾件重要的工作。^_^首先是我在這次的翻譯工作中，結合Google 譯者工具包，打造了一個翻譯輔助外掛系統，這個系統大大提昇了翻譯的速度與品質。過去我曾使用過好幾種翻譯輔助系統（像是Trados、OmegaT、雅信、雪人、輕敲互動翻譯、TermSoup⋯等，當然還有Google譯者工具包本身），或多或少都有一些不順手的地方。我一直想做個自己用起來順手的工具，但平時沒在翻譯就提不起勁，翻譯期間又往往沒有餘裕，這次好不容易有了充裕的時間，一開始我便花了些心思打造系統，後來邊翻譯邊改系統，越用越順手，到翻譯完成時系統也達到了一定的成熟度，心裡著實感到特別高興。
另一個收獲，就是這本書的內容，對於我很感興趣的自然語言有許多著墨。雖然當初並沒有抱著很高的期望，但實際翻譯後發現書中介紹的許多主題（尤其第六、七章的序列分析、詞性分析、SyntaxNet、情緒分析、機器翻譯⋯）正是我急切想要了解的內容！！當初Google 開放相關原始碼時，我想進一步了解卻還是感到煩惱，就是因為如果直接去讀那些程式碼，相應說明不足的情況下恐怕非常吃力，沒想到這本書做了相當深入淺出的介紹，我甚至可以循著書中許多思路，進一步改善前面所提到的翻譯輔助系統！這真是太神奇了，傑克⋯⋯^_^
  第1章 神經網路第2章 訓練正向饋送神經網路第3章 運用TensorFlow 實現神經網路第4章 超越梯度遞減第5章 卷積神經網路第6章 嵌入和表達方式的學習第7章 序列分析模型第8章 記憶強化神經網路第9章 深度強化學習