√ 零入門。本書在介紹深度學習時，也介紹了Python、TensorFlow、M-P模型、感知機等神經網絡等基礎知識，從而可以讓讀者零基礎入門。
√ 高可讀。有別於其他同類書籍的深奧難懂，本書配合近300幅手繪圖片，一圖勝千言，輔以大量的哲理故事，通俗易懂，獨闢蹊徑。
√ 重實戰。除了理論部分的講解不落窠臼，本書還重視實戰，列舉了大量具有啟發意義的實戰案例，循序漸進，讓讀者通過實戰獲得成就感。
√ 抓前沿。本書緊抓領域前沿，Geoffrey Hinton的*新研究成果——神經膠囊網絡，本書詳細解讀，輔以實戰，讓讀者能夠站在科研前沿。

深度學習是人工智能的前沿技術。張玉宏著的這 本《深度學習之美(AI時代的數據處理與最佳實踐)》 深入淺出地介紹了深度學習的相關理論和實踐，全書 共分16章，采用理論和實踐雙主線寫作方式。第1章 給出深度學習的大圖。第2章和第3章，講解了機器學 習的相關基礎理論。第4章和第5章，講解了Python基 礎和基於Python的機器學習實戰。第6至10章，先後 講解了M-P模型、感知機、多層神經網絡、BP神經網 絡等知識。第11章講解了被廣泛認可的深度學習框架 TensorFlow。第12章和第13章詳細講解了卷積神經網 絡，並給出了相關的實戰項目。第14章和第15章，分 別講解了循環遞歸網絡和長短期記憶（LSTM）網絡。 第16章講解了神經膠囊網絡，並給出了神經膠囊網絡 設計的詳細論述和實踐案例分析。 本書結構完整、行文流暢，是一本難得的零基礎 入門、圖文並茂、通俗易懂、理論結合實戰的深度學 習書籍

張玉宏，2012年於電子科技大學取得博士學位，2009—2011年美國西北大學訪問學者，電子科技大學博士後，現執教於河南工業大學。 中國計算機協會（CCF）會員，CCF YOCSEF鄭州2018—2019年度副主席，ACM/IEEE會員。《品味大數據》一書作者。主要研究方向為大數據、人工智能、技術哲學。發表學術論文20餘篇，國內外學術作品7部。阿裡雲雲棲社區專欄作家，博文累計閱讀逾百萬次。

第1章 一入侯門“深”似海，深度學習深幾許
1.1 深度學習的巨大影響
1.2 什麼是學習
1.3 什麼是機器學習
1.4 機器學習的4個像限
1.5 什麼是深度學習
1.6 “戀愛”中的深度學習
1.7 深度學習的方法論
1.8 有沒有淺層學習
1.9 本章小結
1.10 請你思考
參考資料
第2章 人工“碳”索意猶盡，智能“硅”來未可知
2.1 信數據者得永生嗎
2.2 人工智能的“江湖定位”
2.3 深度學習的歸屬
2.4 機器學習的形式化定義
2.5 為什麼要用神經網絡
2.6 人工神經網絡的特點
2.7 什麼是通用近似定理
2.8 本章小結
2.9 請你思考
參考資料
第3章 “機器學習”三重門，“中庸之道”趨若人
3.1 監督學習
3.1.1 感性認知監督學習
3.1.2 監督學習的形式化描述
3.1.3 k-近鄰算法
3.2 非監督學習
3.2.1 感性認識非監督學習
3.2.2 非監督學習的代表—K均值聚類
3.3 半監督學習
3.4 從“中庸之道”看機器學習
3.5 強化學習
3.6 本章小結
3.7 請你思考
參考資料
第4章 人生苦短對酒歌， 我用Python樂趣多
4.1 Python概要
4.1.1 為什麼要用Python
4.1.2 Python中常用的庫
4.2 Python的版本之爭
4.3 Python環境配置
4.3.1 Windows下的安裝與配置
4.3.2 Mac下的安裝與配置
4.4 Python編程基礎
4.4.1 如何運行Python代碼
4.4.2 代碼縮進
4.4.3 注釋
4.4.4 Python中的數據結構
4.4.5 函數的設計
4.4.6 模塊的導入與使用
4.4.7 面向對像程序設計
4.5 本章小結
4.6 請你思考
參考資料
……
第5章 機器學習終覺淺，Python帶我來實踐
第6章 神經網絡不勝語，M-P模型似可尋
第7章 Hello World感知機，懂你我心纔安息
第8章 損失函數減肥用，神經網絡調權重
第9章 山重水復疑無路，*快下降問梯度
**0章 BP算法雙向傳，鏈式求導*纏綿
**1章 一騎紅塵江湖笑，TensorFlow谷歌造
**2章 全面連接困何處，卷積網絡顯神威
**3章 紙上談兵終覺淺，*知卷積要編程
**4章 循環遞歸RNN，序列建模套路深
**5章 LSTM長短記，長序依賴可追憶
**6章 卷積網絡雖動人，膠囊網絡*傳“神”
後記
索引