深度学习（2017）中文版｜神经网络、机器学习、AI基础教材

报告摘要

本书是深度学习领域的经典中文教材，由多位专家联合撰写，内容涵盖线性代数、概率论、数值计算等数学基础，以及深度前馈网络、卷积网络、循环网络等核心模型。全书共738页，系统讲解深度学习原理与实践，适合AI从业者、学生及研究人员。从基础数学到高级主题如自编码器、生成模型，本书提供全面知识体系。

📋 核心要点(部分)

1. 致谢
2. 网站
3. 数学符号
4. 第一章 引言
5. 第二章 线性代数
6. 第三章 概率与信息论
7. 第四章 数值计算
8. 第五章 机器学习基础
9. 第六章 深度前馈网络
10. 第七章 正则化
11. 第八章 优化
12. 第九章 卷积网络
13. 第十章 循环网络
14. 第十一章 实践方法论
15. 第十二章 应用
16. 第十三章 线性因子模型
17. 第十四章 自编码器
18. 第十五章 表示学习
19. 第十六章 结构化概率模型
20. 第十七章 蒙特卡罗方法
21. 第十八章 配分函数
22. 第十九章 近似推断
23. 第二十章 深度生成模型