《深入浅出深度学习：原理剖析与Python实践》介绍了深度学习相关的原理与应用，全书共分为三大部分，第一部分主要回顾了深度学习的发展历史，以及Theano的使用；第二部分详细讲解了与深度学习相关的基础知识，包括线性代数、概率论、概率图模型、机器学习和至优化算法；在第三部分中，针对若干核心的深度学习模型，如自编码器、受限玻尔兹曼机、递归神经网络和卷积神经网络等进行详细的原理分析与讲解，并针对不同的模型给出相应的具体应用。
《深入浅出深度学习：原理剖析与Python实践》适合有一定高等数学、机器学习和Python编程基础的在校学生、高校研究者或在企业中从事深度学习的工程师使用，书中对模型的原理与难点进行了深入分析，在每一章的后面都提供了详细的参考文献，读者可以对相关的细节进行更深入的研究。理论与实践相结合，《深入浅出深度学习：原理剖析与Python实践》针对常用的模型分别给出了相应的应用，读者也可以在Github中下载和查看《深入浅出深度学习：原理剖析与Python实践》的代码（https://github.com/innovation-cat/DeepLearningBook）。
第1 部分 概要 1
1 绪论
2 Theano 基础 19
第2 部分 数学与机器学习基础篇 45
3 线性代数基础 46
4 概率统计基础 64
5 概率图模型 87
6 机器学习基础 142
6.5.4 谱聚类 172
7 数值计算与最优化 177
第3 部分 理论与应用篇 205
8 前馈神经网络 206
9 反向传播与梯度消失 225
10 自编码器及其相关模型 243
11 玻尔兹曼机及其相关模型 258
12 递归神经网络 291
13 卷积神经网络 318
