本書兼顧統(tǒng)計知識的基礎(chǔ)性和系統(tǒng)性，系統(tǒng)介紹深度學(xué)習(xí)基礎(chǔ)知識和建模技術(shù)。本書共包括7章，第1章介紹機器學(xué)習(xí)、人工智能和深度學(xué)習(xí)發(fā)展歷程及相關(guān)概念；第2章介紹深度學(xué)習(xí)的理論知識，如張量、梯度、損失函數(shù)、激活函數(shù)、反向傳播等；第3章介紹基礎(chǔ)神經(jīng)網(wǎng)絡(luò)在二分類數(shù)據(jù)、多分類數(shù)據(jù)和連續(xù)數(shù)據(jù)上的實例構(gòu)建；第4章介紹神經(jīng)網(wǎng)絡(luò)模型的泛化策略；第5章介紹卷積神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)及其在圖像分類問題中的應(yīng)用；第6章介紹循環(huán)神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)及其在序列數(shù)據(jù)中的應(yīng)用；第7章介紹文本數(shù)據(jù)建模的全過程，并結(jié)合前幾章介紹的模型結(jié)構(gòu)和優(yōu)化策略，基于案例展示用于處理自然語言的深度學(xué)習(xí)模型。

更多科學(xué)出版社服務(wù)，請掃碼獲取。