深度學習的概念源於人工神經網路的研究，它是機器學習中一種基於對資料進行表徵學習的方法。
本書是一本詳細的、實用的深度學習實踐指南。它共有8章，詳細講解了深度神經網路、Elman神經網路、Jordan神經網路、自編碼器、堆疊自編碼器、限制玻爾茲曼機的相關知識。
本書並沒有詳細介紹那些深奧的數字公式，它旨在解釋深度學習模型是如何工作的，讓讀者學會如何構建成功的深度學習模型，並將其用於資料採擷，從而讓讀者迅速地學以致用，可以用深度學習構建更智慧的應用。
第 1章 簡介 1
1.1 什麼是深度學習 2
1.2 深度學習解決什麼問題 3
1.3 誰在使用深度學習 4
1.4 神經網路基礎 6
1.4.1 神經元的角色（作用） 9
1.4.2 啟動函數 11
1.4.3 神經網路學習演算法 13
1.5 注釋 16
第 2章 深度神經網路 24
2.1 令人驚訝的對深度神經網路的簡單剖析 25
2.2 如何用60秒或更少的時間解釋清楚深度神經網路 26
2.3 3個絕妙的使用深度神經網路的途徑 27
2.3.1 在有霧天氣增強能見度 27
2.3.2 讓駭客和網路犯罪分子吃些苦頭 30
2.3.3 令人難以置信的收縮的圖像壓縮 31
2.4 如何迅速逼近任意函數 33
2.5 選擇多少個神經元 38
2.6 選擇最佳神經網路層數的常識 40
2.7 提升深度神經網路性能的3種方法 41
2.7.1 用“dropout”方法來提高成功率 41
2.7.2 如何從小批量（mini batching）中獲益 44
2.7.3 提前終止（Early stopping）的簡單計畫 45
2.8 用R以難以置信的簡單方法來構建深度神經網路 47
2.8.1 構建深度神經網路回歸模型的方法 47
2.8.2 聰明人使用深度神經網路回歸模型的技巧 51
2.8.3 構建深度神經網路分類器的藝術 54
2.8.4 如何構建多回應變數模型 61
2.9 注釋 69
第3章 Elman神經網路 75
3.1 什麼是Elman神經網路 76
3.2 上下文層神經元的作用是什麼 77
3.3 如何理解資訊的流動 77
3.4 如何用Elman神經網路提升效果 78
3.5 使用Elman神經網路的4種妙招 78
3.5.1 終極天氣預報模型 79
3.5.2 如何迅速發現嚴重的故障 79
3.5.3 提高水品質的創新性想法 80
3.5.4 在股票證券市場如何實現一個“殺手級”應用 80
3.6 構建Elman神經網路的簡單方法 81
3.7 如何載入工具包 82
3.8 為什麼資料視覺化是一門科學 82
3.9 轉換資料的秘密 85
3.10 如何估計模型 88
3.11 創建理想的預測 89
3.12 注釋 90
第4章 Jordan神經網路 92
4.1 Jordan神經網路可以解決的3個問題 93
4.1.1 風速預測的終極指南 93
4.1.2 如何對蛋白質的相互作用分類 93
4.1.3 深度學習在西班牙語方面的應用 94
4.2 R語言Jordan神經網路模型的基本要素 94
4.3 尋找合適的包 95
4.4 轉換資料的方法 96
4.5 如何選擇訓練樣本 98
4.6 用這個技巧來預估你的模型 98
4.7 注釋 100
第5章 自編碼器的秘密 102
5.1 絕地控心術 103
5.2 秘密揭曉 104
5.3 可以直接檢驗的實用定義 106
5.4 如何拯救巴西熱帶草原賽拉多（Cerrado） 106
5.5 需要瞭解的基本要素 107
5.6 稀疏自編碼器的強大益處 108
5.7 理解Kullback-Leibler距離 108
5.8 對稀疏自編碼器的3個永恆的教訓 109
5.9 好萊塢、生物統計學和稀疏自編碼器的混合 109
5.10 如何利用R語言快速使用自編碼器 111
5.11 在你自己的資料科學專案使用R語言 116
5.12 注釋 123
第6章 堆疊自編碼器簡介 125
6.1 深度學習大師的秘密武器 126
6.2 最佳睡眠時間 127
6.3 不超過5分鐘就可以構建一個堆疊自編碼器 130
6.4 什麼是去噪自編碼器 131
6.5 隨機“調味劑” 132
6.6 去噪自編碼器的兩個核心任務 133
6.7 如何理解堆疊去噪自編碼器 133
6.8 一個驚人的實際應用 134
6.8.1 一個創新想法 136
6.8.2 Chen、Li、Yang是如何訓練他們的模型的 138
6.8.3 如何避免塞壬的歌聲 138
6.8.4 作者給讀者提出的一個挑戰 140
6.9 用R語言構建去噪自編碼器的捷徑 141
6.10 注釋 146
第7章 限制玻爾茲曼機 149
7.1 瞭解限制玻爾茲曼機的4個步驟 149
7.2 能量函數和概率分佈的角色 150
7.3 用一種華麗的方式來思考 152
7.4 模型學習的目標 153
7.5 像魔法一樣的訓練技巧 153
7.5.1 技巧1：美麗的遊戲 153
7.5.2 技巧2：開啟限制玻爾茲曼機“王國”的鑰匙 155
7.5.3 技巧3：如探囊取物般簡單地啟動函數 155
7.5.4 技巧4：對比散度演算法的替代方法 156
7.6 對深度學習的主要批評 157
7.7 改變世界的兩個想法 158
7.7.1 “用拳頭猛擊癌症” 159
7.7.2 以華麗的方式助攻麻醉師 161
7.8 用R語言構建限制玻爾茲曼機的秘密 164
7.9 注釋 168
第8章 深度信念網路 173
8.1 如何訓練一個深度信念網路（DBM） 173
8.1.1 預訓練的關鍵要素 174
8.1.2 精調的關鍵 174
8.2 如何提供一個更好的呼叫等待經驗 175
8.3 可以很容易模仿的世界一流的想法 176
8.4 用R語言構建深度信念網路的步驟 179
8.5 注釋 182本書適合資料科學家、各領域的研究人員閱讀，也適合其他對深度學習感興趣的人士閱讀。
