深度学习技术的发展如火如荼，这些知识正迅速成为机器学习从业者甚至许多软件开发工程师的“加分项”。深度学习是一个立体的领域，仅从数学层面或代码层面学习，难免以偏概全，无法融会贯通。

本书作者认为，理解深度学习和神经网络需要多种思维模型。因此，本书从数学、示意图、Python代码三个维度帮助你立体地理解每一个概念，带你领略深度学习领域的全貌，从内到外地理解构建神经网络的每一步。你将学到以下内容。

- 为理解深度学习的概念和原理构建多种思维模型。
- 掌握嵌套函数、链式法则等数学概念。
- 掌握学习率衰减、权重初始化、dropout等优化技巧。
- 从零构建CNN和RNN等常见的神经网络架构。
- 使用PyTorch实现神经网络。

无论你是否有经验，都可以借助这本书，从零开始理解和编码神经网络。
——Pin-Yu Chen，IBM Research AI团队研究人员

我们认为，这本书是非常优秀的深度学习指南。你将能够从零构建自己的神经网络，或者游刃有余地使用其他框架，并从数学概念、计算过程、编码过程等维度透彻理解每一步。
——“如何学机器学习”网站

作者介绍
塞思·韦德曼（Seth Weidman），SentiLink公司数据科学家。他曾在Facebook公司从事数据科学工作，并为多家企业开发了深度学习培训课程。塞思善于通过简单明了的方式解释复杂的概念。除了讲授课程，他还热衷于技术写作，并撰写了大量PyTorch教程。

译者介绍
郑天民，日本足利工业大学信息工程学硕士，研究方向为人工智能在大规模调度系统中的应用，在国际三大索引上发表多篇论文。拥有十余年软件行业从业经验，前后经历过多家大型上市公司、互联网电商、健康类独角兽公司，担任CTO、系统分析架构师和技术总监等职务。阿里云MVP、腾讯云TVP、TGO鲲鹏会会员。著有《Spring响应式微服务》《系统架构设计》《向技术管理者转型》《微服务设计原理与架构》《微服务架构实战》等。