内容提要

作者简介

中文版推荐语（按姓氏拼音排序）

译者序

中文版致谢

英文原书致谢

数学符号

第1章 引言

第1部分 应用数学与机器学习基础

第2章 线性代数

第3章 概率与信息论

第4章 数值计算

第5章 机器学习基础

第2部分 深度网络：现代实践

第6章 深度前馈网络

第7章 深度学习中的正则化

第8章 深度模型中的优化

第9章 卷积网络

第10章 序列建模：循环和递归网络

第11章 实践方法论

第12章 应用

第3部分 深度学习研究

第13章 线性因子模型

第14章 自编码器

第15章 表示学习

第16章 深度学习中的结构化概率模型

第17章 蒙特卡罗方法

第18章 直面配分函数

第19章 近似推断

第20章 深度生成模型

参考文献

索引