前言

当你拿到这本书时，可能已经了解了深度学习近年来取得的一些进展。对于人工智能技术的日新月异，你也许会疑惑，也许会像我一样焦虑，想要迫切地知道所谓的深度学习到底有何魔力。

2017年时，我还是一名普通的数据分析师，每天想着如何写好SQL，如何玩转Pandas数据处理。那一年也正是国内人工智能（AI）浪潮最火的一年，各种报道铺天盖地，作为一名数据从业者，你很难不被吸引进来。当时的想法就是数据分析太无趣了，深度学习这么酷，为何不尝试一下？2018年，我花了一整年的时间自学神经网络和深度学习，学习过程中留下的记录经过整理就成了现在这本书。

无论是理论还是技术，深度学习每天都在取得新的进展。复杂的数学理论、眼花缭乱的网络结构设计、最新的技术开源，这些可能都会让一个深度学习初学者不知所措。前沿进展千变万化，但深度学习的理论与技术底层知识一万年也难以变化。那么什么是深度学习的底层知识呢？是数学基础、是梯度计算、是卷积……作为一本取名为“笔记”的深度学习书，肯定与“高大上”不搭边。这本书概括了学习深度学习的基本路线，如何从DNN到CNN再到RNN和一些延伸性知识，本书的定位就是一本深度学习入门图书。对于广泛应用的基础内容，如CNN，本书尽可能地进行了详述；对于一些延伸性的理论和应用知识，如语音识别，本书浅尝辄止，更多的是点明方向，让读者自己探索。部分章节配以示例代码，均有详细的注释和解释，方便读者自己动手试一试。从简单易用的角度考虑，本书案例所有代码均使用Keras框架，对工作环境没有特殊要求，图形处理器（GPU）虽然不是必须配置，但是仍然建议读者能够拥有一块NVIDIA GPU显卡来开展深度学习。

首先，在此感谢北京大学光华管理学院教授、狗熊会创始人“熊大”王汉生老师。作为当初狗熊会数据科学人才计划的第一期成员，王老师是我在数据科学道路上的启蒙老师，没有他的督促和鼓励，也不会有本书的面世。其次，感谢北京大学出版社的魏雪萍老师和王继伟老师，感谢两位老师在我书稿写作过程中提出的修改意见，并耐心负责本书的编辑、校验和修订工作。最后，还要感谢我的夫人王美萍，书中很多精美的插图均来自她的绘制。作为一名仅有两年经验、能力远不成熟的深度学习算法工程师，在整理本书稿的过程中备感艰辛和不易。本书在编写过程中参考了大量相关教材、论文、网络博客、知乎问答与专栏等的内容，在此一并表示感谢。因时间仓促和能力所限，书中难免会有表述不当甚至是错误之处，敬请广大读者批评指正。

提示：本书所涉及的源代码及习题参考答案已上传到百度网盘，供读者下载。请读者关注封底“博雅读书社”微信公众号，找到“资源下载”栏目，根据提示获取。

鲁伟