深度学习

本书兼顾统计知识的基础性和系统性，系统介绍深度学习基础知识和建模技术。本书共包括7章，第1章介绍机器学习、人工智能和深度学习发展历程及相关概念；第2章介绍深度学习的理论知识，如张量、梯度、损失函数、激活函数、反向传播等；第3章介绍基础神经网络在二分类数据、多分类数据和连续数据上的实例构建；第4章介绍神经网络模型的泛化策略；第5章介绍卷积神经网络的模型结构及其在图像分类问题中的应用；第6章介绍循环神经网络的模型结构及其在序列数据中的应用；第7章介绍文本数据建模的全过程，并结合前几章介绍的模型结构和优化策略，基于案例展示用于处理自然语言的深度学习模型。