第 1 章是緒論， 介紹人工智能、 機器學習、 深度學習的概要， 使讀者全面了解相關知識 . 第 2 、 3 章介紹機器學習的基礎知識 . 第 4 ～ 6 章分別講述三種主要的神經網絡模型： 前饋神經網絡、 卷積神經網絡和循環 神經網絡 . 第 7 章介紹神經網絡的優化與正則化方法 . 第 8 章介紹神經網絡中的注 意力機制和外部記憶 . 第 9 章簡要介紹一些無監督學習方法 . 第 10 章介紹一些模 型獨立的機器學習方法： 集成學習、 自訓練、 協同訓練多任務學習、 遷移學習、 終 身學習、 元學習等， 這些都是目前深度學習的難點和熱點問題 . 第 11 章介紹概率 圖模型的基本概念， 為后面的章節進行鋪墊 . 第 12 章介紹兩種早期的深度學習模 型： 玻爾茲曼機和深度信念網絡 . 第 13 章介紹最近兩年發展十分迅速的深度生成 模型： 變分自編碼器和生成對抗網絡 . 第 14 章介紹深 In Chapter 2 and 3, the basic knowledge of machine learning is introduced In Chapter 4-6, three main neural network models are introduced: feedforward neural network, convolution neural network and cycle Neural networks. Chapter 7 introduces the optimization and regularization methods of neural networks. Chapter 8 introduces the notes in neural networks Mental mechanism and external memory. Chapter 9 briefly introduces some unsupervised learning methods. Chapter 10 introduces some models Type-I independent machine learning methods: integrated learning, self-training, collaborative training, multi task learning, transfer learning, end Body learning and meta learning are the difficulties and hot issues of deep learning. Chapter 11 introduces probability In Chapter 12, we introduce two kinds of early deep learning models)