目前，人工智能真可谓炙手可热的技术。AlphaGo完败李世乭的战绩宣告了人类智力最后的堡垒——围棋被攻破，造就了人工智能领域一个又一个奇迹，究其原因正是深度学习的突破，2006年以来，机器学习领域的一个分支“深度学习”受到了学术界和业界的广泛关注。大量资本涌入人工智能领域，大量人工智能明星企业崛起（像大名鼎鼎的地平线、商汤、第四范式、寒武纪等），大量有着常春藤、斯坦福、伯克利等闪耀经历的学者投身业界或领衔创业。谷歌、微软、BAT等全球著名的高科技公司争相投入资源，占领人工智能技术的制高点，各大公司以人工智能为主要研究方向的研究院所纷纷成立。
深度学习就是人工智能的一个重要实现方法，在语音识别、图像识别、自然语言处理和搜索广告预估等领域都取得了惊人的成果，深度学习能够受到如此关注，原因有：
- 深度学习是目前所知的计算系统中与人脑的结构和行为最相近的
- 深度学习从统计和计算角度非常适合大数据
- 深度学习是当前唯一强调端到端的学习系统
- 深度学习框架灵活，具有很好的可扩展性，可以很容易地描述各种不同的人工智能问题
从内容方面，该书共分为六个章节：
第一章：通俗的讲解深度学习的常用概念及概念之间的关系，如回归、分类、聚类；监督学习、非监督学习、强化学习；感知机、神经网络等。随后介绍了深度学习的发展历程及前辈学者们对深度学习领域所做出的贡献。最后列出了深度学习及相关领域的著名国际会议、期刊、赛事和学术团队，以方便读者获取学习资料和进行学术研究。
第二章：介绍了深度学习的原理、线性回归、逻辑回归的概念。以生物学家Galton所研究的父子身高问题为例介绍了线性回归的基本原理，讲述了线性回归的两种求解方法：梯度下降法和正规方程法，并用R、MATLAB和Python三种工具求解了父子身高问题。随后以学生考试问题为例介绍了逻辑回归的基本原理，给出了逻辑回归问题求解的过程，并用R、MATLAB和Python三种工具解决了学生考试问题，并赋源码及解释。
第三章：介绍了感知机和人工神经网络的工作流程。阐述了神经网络的基本单元Rosenblatt感知机的工作原理和训练方法，并以一个二维空间中线性可分的点集为例验证了感知机的训练方法。随后简要介绍了人工神经网络的由来、网络架构和训练方法。最后用Pybrain实现了一个三层神经网络，借助实例初步展现了人工神经网络的神奇功能。
第四章：详细介绍了Caffe的基本架构和使用方法。阐述了Caffe架构中Blob、Layer、Net和Solver等几个基本类的作用，并以一个车型识别为例使用Caffe完成项目开发。最后介绍了目标检测的基本原理和几个当前最流行的算法：Faster R-CNN、YOLO和SSD等，并用开源的Caffe实例验证了Faster R-CNN和SSD算法的性能。
第五章：介绍了TensorFlow的工作原理和使用方法。阐述了TensorFlow架构中图、张量、运算和会话等概念和用法，使用TensorFlow实现父子身高问题的线性回归实例。
第六章： 阐述了AlphaGo、强化学习、策略网络、强化学习策略网络和估值网络工作原理。以一个九宫棋为例讲述了强化学习的基本算法：Q学习算法。随后介绍了AlphaGo的架构，其赖以常胜不败的监督学习策略网络、强化学习策略网络和估值网络等组件的工作原理。
本书只能当入门参考，了解基本概念，对我来学，深度学习是一门学无止境的技术，通过本书建立自已的深度学习架构体系：
- 对技术的基本原理有透彻的了解；
- 对技术的总体框架和脉络有所掌握；
- 建立自已的深度学习平台，将理论与实践相结合。