深度学习：从基础到实践（上册） 译 者 序 深度学习（或称深度神经网络）是一种使用了特殊分层计算结构的机器学习方法。近年来，深度学习在计算机视觉、语音识别、自然语言处理和机器人等应用领域取得了惊人的突破。2019年3月27日，美国计算机协会（ACM）将“计算机界的诺贝尔奖”图灵奖授予了3位深度学习之父（Yoshua Bengio、Geoffrey Hinton和Yann LeCun），以表彰他们给人工智能带来的重大突破——这些突破使深度神经网络成为计算的关键组成部分。这也意味着深度学习的神秘面纱至此已被揭开。 本书由计算机图形学专家Andrew Glassner撰写，介绍了深度学习的基础知识和实践深度学习的方法。全书分为上下两册：上册介绍深度学习的预备知识，涵盖基本的数学知识和机器学习的基本概念以及通用机器学习库scikit-learn的相关内容；下册深入介绍了各种成熟的深度学习方法和技术以及深度学习库Keras。 正如Andrew Glassner所描述的那样，在本书英文版出版之前，市面上其实已出现了较多的深度学习相关的图书。例如，由Ian Goodfellow等撰写的Deep Learning一书，对算法进行了非常详细的分析，并给出了大量的数学运算；还有一类风格截然不同的书，例如由François Chollet撰写的Deep Learning with Python，主要是针对只想知道如何利用各种机器学习库快速完成某些特定任务的读者。本书介于这二者之间，主要介绍深度学习的基础知识，以帮助读者建立扎实的知识储备，进而了解深度学习实践的进展。Andrew Glassner擅长以类比和图示的方法讲解复杂的理论知识，因此本书对不具备相关理论知识的读者也会非常有帮助。 非常感谢人民邮电出版社的杨海玲编辑邀请我来负责本书的翻译工作。回想自己首次接触神经网络，已是10余年前的事情…