本书是一本神经网络实践进阶指南，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。本书从机器学习基础、深度学习应用和高级机器学习这三个方面入手，结合算法理论、代码实现和应用场景，介绍了机器学习的新动向和新技术，本书分为三部分：第1部分网络神经入门，主要介绍了人工智能历史、机器学习概述和神经网络基础第二部分，深度学习应用，主要是基于卷积神经网络图像处理、文本挖掘、循环神经网络、利用迁移学习重用神经网络第三部分，高级应用领域，主要介绍对生成对抗网络、自动编码器、损失函数、深度信度网络、强化学习基本定义等。
1、人工神经元网络与深度学习的关系是人工神经元网络与深度学习的关系是互相交叉的。这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutionalneuralnetworks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（DeepBeliefNets，简称DBNs）就是一种无监督学习下的机器学习模型。深度学习的概念源于人工神经网络的研究。
深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
2、人工智能,机器学习,神经网络,深度神经网络之间的关系是什么?人工智能，顾名思义ArtificialIntelligence，缩写是大家熟知的AI。是让计算机具备人类拥有的能力感知、学习、记忆、推理、决策等。机器学习逐渐成为热门学科，主要目的是设计和分析一些学习算法，让计算机从数据中获得一些决策函数，从而可以帮助人们解决一些特定任务，提高效率。神经网络，主要指人工神经网络，是机器学习算法中比较接近生物神经网络特性的数学模型。
3、机器学习和神经网络有什么区别机器学习是目的，神经网络是实现方式。机器学习是目前实现人工智能最主要的方式，输入给程序，以及程序自行学习到的规律，就是机器学习算法。这个程序就是一个机器学习的系统，神经网络是一种模拟人脑，取其精华去其糟粕的计算架构；利用神经网络进行机器学习，则让计算机不再只是执行命令的机器，具有了一定程度上举一反三的能力。而将这个能力利用到造福人类的地方，就叫人工智能。