譯者序

近年來，深度學習技術取得了突破性進展，并且在計算機視覺、自然語言處理等多個領域取得了非常成功的應用，甚至在一定程度上改變了人們的日常生活方式和工作方式。深度學習的繁榮發展和成功應用極大地激發了人們對深度學習技術的學習熱情。然而，對于那些剛開始進入機器學習領域的初學者來說，較好地掌握和應用深度學習技術并不是一件容易的事情，因為深度學習技術通常基于數學模型和算法設計，需要一定的抽象思維能力和數學知識。具有一定專業深度且可讀性好的深度學習入門教材對于深度學習領域初學者的幫助顯然是至關重要的。本書正是這樣的一部優秀教材，全書從一個完全沒有機器學習基礎的程序員的視角出發，通過一系列具體的應用實例，使用通俗易懂的語言系統地介紹了深度學習的思想內涵、基本理論和重要算法，通過知識介紹、源代碼片段剖析、應用示例和一些專門技巧的講解，循序漸進地展示了深度學習模型的設計技巧和模型訓練的算法思維，逐步消除了深度學習模型和算法的認知盲點，使讀者能夠通過自己的努力建立強大的深度學習基礎。本書的特點主要體現在如下兩個方面：

第一，入門起點比較低，可讀性非常好。本書假定讀者先前沒有接觸過神經網絡和深度學習，甚至沒有接觸過機器學習。書中從機器學習的基本概述開始，指導讀者建立流行的Python程序框架，并以循序漸進的方式介紹流行的監督神經網絡架構（例如卷積神經網絡（CNN）、循環神經網絡（RNN）和生成對抗網絡（GAN））以及非監督神經網絡架構（例如自編碼器（AE）、變分自編碼器（VAE）和受限玻耳茲曼機（RBM））。作者非常注重使用生動有趣的應用實例實現對概念和原理的解釋，使用大量的可視化方式直觀形象地表示潛在空間等比較抽象的概念，并提出一些發人深省的問題，讓讀者通過思考來超越那些似乎顯而易見的問題，引導讀者完成對相關概念和原理的深層理解。

第二，知識結構新穎，知識內容的系統性和專業性強。本書的知識內容主要由深度學習快速入門、無監督深度學習、監督深度學習這三個部分組成。第一部分介紹深度學習的基本知識、開發平臺、數據準備與預處理技術，以及網絡模型設計與訓練的基礎知識；第二部分系統地介紹自編碼器、深度自編碼器、變分自編碼器、受限玻爾茲曼機等無監督學習模型，通過具體應用實例細致地探討潛在空間、特征提取等深度學習和表示學習的核心概念，以及模型訓練的基本技巧，幫助讀者打下扎實的深度學習理論基礎；第三部分從現有密集網絡的局限性出發，引出稀疏網絡的概念以及相應的深度卷積網絡、深度循環網絡，以及生成對抗網絡，系統地介紹這些網絡模型的設計原理、訓練算法，以及在計算機視覺和自然語言處理等領域的應用技術。全書知識結構非常清晰且很有創意，知識內容具有較好的完備性、系統性和專業性。

本書內容豐富，文字表述清晰，實例講解詳細，圖例直觀形象，適合作為高等學校人工智能、智能科學與技術、數據科學與大數據技術、計算機科學與技術以及相關專業的本科生及研究生深度學習課程的入門教材，也可供工程技術人員和自學讀者學習參考。

本書由汪雄飛、陳朗、汪榮貴共同翻譯完成。感謝研究生張前進、江丹、孫旭、尹凱健、王維、張珉、李婧宇、修輝、雷輝、張法正、付炳光、李明熹、董博文、麻可可、李懂、劉兵、王耀、楊伊、陳震、沈俊輝、黃智毅、禚天宇等同學提供的幫助，感謝合肥工業大學、廣東外語外貿大學、機械工業出版社華章公司的大力支持。

由于時間倉促，譯文難免存在不妥之處，敬請讀者不吝指正！

譯者

2021年6月