关于本书近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能问答、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地使用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者们的长期努力。特别是最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这一个“崭新”的研究领域：深度学习。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。本课程主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、循环神经网络等）以及在计算机视觉、自然语言处理等领域的应用。
GitHub地址：https://nndl.github.io/
书籍下载：https://nndl.github.io/nndl-book.pdf
课后练习：https://github.com/nndl/exercise
章节内容

• 绪论[ppt] (updated 2019-4-4)
• 机器学习概述 [ppt] (updated 2019-4-4)
• 线性模型 [ppt] (updated 2019-4-4)
• 前馈神经网络 [ppt] (updated 2019-4-4)
• 卷积神经网络 [ppt] (updated 2019-4-4)
• 循环神经网络 [ppt] (updated 2019-4-4)
• 网络优化与正则化 [ppt] (updated 2019-4-4)
• 注意力机制与外部记忆 [ppt] (updated 2019-4-4)
• 无监督学习 [ppt] (updated 2019-4-4)
• 模型独立的学习方式 (updated 2019-4-4)
• 概率图模型 [ppt] (updated 2019-4-4)
• 深度信念网络 [ppt] (updated 2019-4-4)
• 深度生成模型[ppt] (updated 2019-4-4)
• 深度强化学习 [ppt] (updated 2019-4-4)
• 序列生成模型 (updated 2019-4-4) 一个过时版本：词嵌入与语言模型
• 数学基础 (updated 2019-4-4)