深度學習作為人工智能領域的“排頭兵”，將在未來的新一輪產業升級中起到至關重要的作用。本書以“理論＋實踐”的形式幫助讀者快速建立深度學習知識體系，使讀者不僅能在算法層面上理解各種神經網絡模型，而且能借助功能強大且極易上手的Keras框架，熟練地搭建和訓練模型，應用于解決實際問題。全書共12章，內容涵蓋入門深度學習的絕大部分基礎知識。第1章講解如何搭建深度學習的編程環境，并簡單回顧了學習深度學習必備的數學知識。第2章從回歸算法出發帶領讀者踏上深度學習之路。第3～9章全面講解時下幾種主流的神經網絡結構，包括多層感知機（MLP）、卷積神經網絡（CNN）、循環神經網絡（RNN）、自動編碼器（AE）、變分自動編碼器（VAE）、對抗生成網絡（GNN）等。第10～12章著重介紹時下幾類主流的深度學習應用，包括圖像識別、目標檢測和自然語言處理等。無論是算法原理還是編程實踐，本書都從易到難、循序漸進地講解，并配合簡單輕松的實例幫助讀者加深印象。本書不僅適用于需要在工作中應用深度學習技術的專業人員，而且適用于具備一定計算機編程基礎的人工智能和深度學習愛好者。對于大專院校相關專業的師生，本書也是一本不錯的參考讀物。