深度學習是計算機科學與人工智慧的重要組成部分。全書共16章，分為理論與實踐應用兩大部分，同時介紹五種深度學習主流平台的特性與應用，最後指出深度學習的脈絡圖以及進展介紹。
本書特色
一 內容系統全面
全書共16章，涵蓋了深度學習目前出現的諸多經典框架或模型，分為兩部分。
❑ 第一部分 ( 第1章～10章 )：系統性的從數據、模型、最佳化目標函數與求解等四個方面詳盡介紹深度學習的理論及演算法，如深度前饋神經網路、深度旋積神經網路、深度堆疊神經網路、深度遞迴神經網路、深度生成網路、深度融合網路等。
❑ 第二部分 ( 第11～15章 )：以五種主流的深度學習平台為基礎，指出深度網路在自然影像、衛星遙測影像等領域的應用，如分類、變化檢測、目標檢測與識別等任務。最後 ( 第16章 ) 則介紹了深度學習發展的脈絡圖及最新研究進展。
二 敘述立場客觀
❑ 本書作為深度學習的入門教材，筆者盡可能不帶偏見的對資料進行分析及客觀介紹。
❑ 理論部分均從模型產生的根源加以介紹，並指出各個經典模型之間內在的相互關連。
❑ 實踐應用部分則對相關任務進行詳盡的分析，並提出深度學習應用實踐的經驗總結。
本書特色
一 內容系統全面
全書共16章，涵蓋了深度學習目前出現的諸多經典框架或模型，分為兩部分。
❑ 第一部分 ( 第1章～10章 )：系統性的從數據、模型、最佳化目標函數與求解等四個方面詳盡介紹深度學習的理論及演算法，如深度前饋神經網路、深度旋積神經網路、深度堆疊神經網路、深度遞迴神經網路、深度生成網路、深度融合網路等。
❑ 第二部分 ( 第11～15章 )：以五種主流的深度學習平台為基礎，指出深度網路在自然影像、衛星遙測影像等領域的應用，如分類、變化檢測、目標檢測與識別等任務。最後 ( 第16章 ) 則介紹了深度學習發展的脈絡圖及最新研究進展。
二 敘述立場客觀
❑ 本書作為深度學習的入門教材，筆者盡可能不帶偏見的對資料進行分析及客觀介紹。
❑ 理論部分均從模型產生的根源加以介紹，並指出各個經典模型之間內在的相互關連。
❑ 實踐應用部分則對相關任務進行詳盡的分析，並提出深度學習應用實踐的經驗總結。