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。特别需要强调的一点是，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。总体而言，本书作者以不同的视角，帮助提升理解和探索深度学习，带给读者不一样的洞察！

机器学习（machine learning）这一术语涉及越来越多的技术，这些技术都有一个共同目标，那就是从数据中发现有意义的信息。其中，“数据” 是指任何可以被记录和测量的东西。它可以是原始数据（如连续几天的股票价格、不同行星的质量、小城集市里人们的身高），也可以是声音（如某人的手机录音）、图（如鲜花或猫的照片）、单词（如报纸文章或小说的文本），抑或是我们想要研究的其他任何东西。“有意义的信息” 是指我们可以从数据中提取到的任何信息，在某种程度上，这些信息对我们而言是有用的。我们可以判断哪些信息是有意义的，然后设计一个算法，从数据中找到尽可能多的这样的信息。一种发现隐藏在数据中的含义的早期流行方法涉及专家系统（expert system）的构建。这个想法的本质是：在研究了解人类专家知道什么、做什么以及怎样做后，将这些行为自动化，从本质上说，我们要制造一个能够模仿人类专家的计算机系统。