日本人写的书，一般都很简短，通常还写得很通俗易懂，不需要花费多少力气，就可以读完，这本书也同样继承了这些特点。这是一本讲述深度学习背后数学原理的书，确实讲得简单易懂，用很简单的例子，拆解了深度学习中的神经网络算法，以及在此之上的卷积神经网络算法。对神经网络算法的底层逻辑进行了拆解，用模式识别的具体示例展示了神经网络算法是如何发挥作用的，可以作为神经网络算法的最基础的科普读物。其实很多算法，如果拆解到最底层，就发现他们使用的方法和原理并不复杂，而当这些算法和计算机的逻辑运算能力相结合时，往往就会产生质的飞跃，计算量的增加，使得人已经无法理解这中间的过程，慢慢地也就变成了所谓的黑匣子。通过学些这些底层原理，能够让人更加好地理解算法本身，而不是变成算法的奴隶。

这是一本关于深度学习数学基础的科普读物，是一本日本作家写的书。日本作家的写作风格特点向来是通俗易懂，这本书也不例外。如果你是专业从事人工智能和深度学习的技术人员，建议去系统学习比较经典的书籍。但如果你是非此行业的技术人员，但是对人工智能和深度学习的大概原理很感兴趣的话，可以花半小时的时间去翻一下这本书，就会对深度学习中的数学基础有一个感性的认识。这本书还有一个神奇的地方，就是书中提供了很多 Excel 表格的下载。而在这些 Excel 表格中，有关于卷积神经网络计算过程的演示，有神经网络前向传播过程的演示，还有神经网络反向梯度优化过程的演示。以前知道 Excel 功能很强大，但不知道居然这么强大，居然可以演示深度学习的原理。如果大家感兴趣，可以下载这些 Excel 表格，亲自在本地运行一下，一定是一个很有趣的过程。总结一下这本书中的技术内容。神经网络或者说深度学习，本质上就是 y = w * x + b 的过程。只是在具体的应用中，是将多个线性组合以及激活函数进行了嵌套，从而用这些很简单的公式去完成一些很复杂的任务。比如说图像识别，自动驾驶感知，量化基金预测等任务。这就可以跟我们前两天读到的《系统化思维导论》结合起来。神经网络做的事，相当于将一些非常简单的动作结合起来，从复杂系统的角度，反而可以涌现出一些神奇的结果。看透这个本质，再去学习深度学习或者神经网络，就会简单得多。

內容大概都是中學和大一微積分就學過的基礎數學，對於已經學過相關知識的人的從業者不推薦閱讀，如果沒有學過相關的數學知識，大概率翻完也看不懂，還需要更正式的學習，這本書只能推薦給已經學過相關數學知識但因為時間久遠已經忘記的人當作簡單的複習。