两年半努力，Yoshua Bengio 团队重磅新作《深度学习》

《深度学习》经过两年半的努力，由谷歌大脑团队科学家 Ian Goodfellow, Yoshua Bengio 和 Aaron Courville 撰写，麻省理工大学出版的《Deep Learning》，今天完成最终稿了，合计共 802 页。

Yoshua Bengio ：蒙特利尔大学教授，机器学习大神之一，尤其是在深度学习这个领域。他连同 Geoff Hinton 老先生以及 Yann LeCun 教授，缔造了 2006 年开始的深度学习复兴。他的研究工作主要聚焦在高级机器学习方面，致力于用其解决人工智能问题。

Ian Goodfellow ：Yoshua Bengio 的博士生、前 Google 科学家，现在在 OpenAI 工作。他在机器人学习、MaxOut Network 和对抗网络生成领域都有所建树。

Aaron Courville ：蒙特利尔大学助理教授，在深度学习、概率模型有很深的理解。

给读者的话

这本书对很多读者都有用，但是在我们脑海里，这本书主要针对两类受众：

一类受众是学习机器学习的学生们（无论是毕业的还是没毕业的），包括那些在深度学习和人工智能领域刚开始职业生涯的。

另一类受众是软件工程师，他们没有机器学习和统计学的背景，但需要快速掌握，并且在他们的平台和产品中使用深度学习。深度学习已经证明了在很多软件方面，例如计算机视觉、语音、自然语言理解、机器人、复杂生物学、化学、视频、游戏、搜索引擎、在线广告和金融有很好的效果。

这本书的内容组织有三个方面，以更好的适应不同的读者。

第一部分介绍了基本的数学工具和机器学习概念。

第二部分描述了最常用的深度学习算法和技术。

第三部分描述了更多探索性的想法，这些想法普遍被认为对未来的深度学习研究很重要。

读者们可以跳过那些不感兴趣，或者和自己无关的章节。如果读者熟悉线性代数、概率论和基础的机器学习概念，那么可以跳过第一部分。例如如果读者只是想部署一个可以工作的系统，那么他就应该只读第二部分。为了帮助读者选择哪个章节以学习，Fig.1.6 提供了一个流程图，显示了这本书高度概括结构。

我们假设所有的读者都拥有计算机的背景。我们假设读者们都熟悉编程，也对计算性能、复杂理论、微积分和图理论有基本的了解。