百万AI程序员必读经典，图灵奖获得者倾力打造，三代科学家合著“AI圣经”
作为美亚人工智能和机器学习榜长久不衰的经典畅销书，《深度学习》在业界赫赫有名。同其他深度学习领域的书籍不同，这本书的作者有三人，而且都是对深度学习领域做出过重要贡献的研究者，阵容强大。作为集合了老、中、青三代合著而成的经典之作，《深度学习》被业界尊称为“AI圣经”也就不奇怪了。
深耕学术的图灵奖获得者
1991年，约书亚·本希奥（法语：Yoshua Bengio）获得加拿大麦吉尔大学计算机科学博士学位，经过两个博士后阶段，他成为蒙特利尔大学计算机科学与运算研究系的终身教授，在校任教超过22年，负责教授“机器学习”的研究生课程(IFT6266)，培养了一大批研究生和博士后。
他总共发表出版物超过200多篇，也曾经是机器学习和神经网络中顶尖期刊的副主编。这些论文在深度学习、复现神经网络、概率学习算法、自然语言处理和多元学习领域的研究都被广泛引用，他也因此成为加拿大最受欢迎的计算机科学家之一。
在他的众多作品中，其中一篇名为《一种神经概率语言模型》（A neuralprobabilistic language model）的论文，开创了神经网络的语言模型language model先河，里面的思路影响了之后的很多基于神经网络做 NLP（自然语音处理）的从业者。
目前，他是少有的几个仍然全身心投入在深度学习学术界的教授之一，大量的教授早已投身于工业界，加入了Google或Facebook等互联网公司。
2019年3月27日，ACM宣布，深度学习三位大牛——约书亚·本希奥（Yoshua Bengio）、杨乐昆（Yann LeCun）、杰弗里·辛顿（Geoffrey Hinton）因“在概念和工程方面使深度神经网络成为计算的关键组成部分的突破”获得了2018 年的图灵奖。
在此之前，虽然人工神经网络作为一种帮助计算机识别模式和模拟人类智能的工具，在20世纪80年代被引入，但直到21世纪初，只有本吉奥、杨乐昆和辛顿等一小群人仍然坚持使用这种方法。
尽管他们的努力也曾遭到怀疑，但三人的想法最终点燃了人工智能社区对神经网络的兴趣，带来了一些重大的技术进步，如今，他们的方法已经成为了该领域的主导范式，他们的研究，成为计算机视觉、语音识别、机器人技术取得重大技术进步的原因之一。
在谷歌与OpenAI“来回跳槽”的中坚力量
2013 年 6 月，还在蒙特利尔大学读博的伊恩·古德费洛，就以软件工程师的身份在谷歌的 Street Smart team实习，并在毕业后先后担任谷歌 TensorFlow 及谷歌大脑团队的研究科学家。
2016 年 3 月，伊恩·古德费洛转投OpenAI 担任研究科学家。
第二年，也就是2017年 3 月，刚刚在OpenAI 工作了一个年头的伊恩·古德费洛，又重回谷歌，2018 年他升任 Google 大脑团队的Senior staff research scientist，负责领导一个研究 AI 中对抗技术的研究团队。
到了2019 年 ，他似乎也厌倦了总是在Google和OpenAI中来回游走，于是，那年3 月份，他正式加入了苹果公司。
一直以来，他的研究兴趣都涵盖大多数深度学习主题，特别是生成模型以及机器学习的安全和隐私。尤其是在研究对抗样本方面，作为一位有影响力的早期研究者，他发明的生成式对抗网络——GAN，对深度学习的发展有卓越贡献。
AI领域新星研究者
亚伦·库维尔（Aaron Courville）现在是蒙特利尔大学计算机科学与运筹学系的助理教授，也是LISA实验室的成员。
作为三者中最年轻的研究者，他主要专注于计算机视觉应用，在自然语言处理、音频信号处理、语音理解和其他AI相关任务方面也有所研究。目前他的研究兴趣都集中在发展深度学习模型和方法，特别是开发概率模型和新颖的推断方法。
老中青三代的研究成果都汇聚于这本《深度学习》，作者中既有深度学习领城的奠基人，也有处于研究生涯中期的领域中坚，更有领域里近年涌现的新星。所以，这本书的结构行文很好地考虑到了处于研究生涯各个不同阶段的学生和研究人员的需求，这也是它会被称为AI圣经的一大原因。
对想要入门深度领域的初学者或者程序员来说，一本通俗易懂，知识点由浅入深的图书是必不可少的，《深度学习》就是这样一本书。
从内容上来看，全书知识点足够扎实，又具有相当广泛的普适性，共有三个部分：
第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；
第2部分系统深入地讲解现今已成熟的深度学习方法和技术；
第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
可以随意跳过不感兴趣或与自己背景不相关的部分。熟悉线性代数、概率和基本机器学习概念的读者可以跳过第1部分。若只是想实现一个能工作的系统，则不需要阅读超出第2部分的内容。下图是本书的高层组织结构的流程图，从一章到另一章的箭头表示前一章是理解后一章的必备内容。
当然，深度学习并不适用完全没有计算机科学背景的小白。在学习之前，需要熟悉编程，并且对计算的性能问题、复杂性理论、入门级微积分和一些图论术语有基本的了解。
从结构上来看，全书用可视化的例子展现，各类架构图、流程图展示，使概念更加清晰。
内容不只局限在技术的应用，更追溯“深度学习”的历史发展，了解人工智能和机器学习的“命运”，揭开“大脑”背后的计算原理，使读者学习起来不再晦涩难懂。
深度学习
作者： 【美】Ian Goodfellow（伊恩·古德费洛） 【加】Yoshua Bengio（约书亚·本吉奥） 【加】Aaron Courville（亚伦·库维尔）
广告
深度学习经典教程：深度学习+动手学深度学习（套装共2册）(异步图书出品)
作者：[美]Ian,Goodfellow（伊恩·古德费洛），[加]Yoshua,Bengio（约书亚·本吉奥），等京东
内容简介：
本书为三大部分，第一部分介绍应用数学基础知识和机器学习的基本概念，第二部分介绍业界经典的深度学习算法，第三部分是一些探索性研究，对深度学习的未来发展非常重要。本书假定读者拥有计算机科学的背景，熟悉编程，对计算性能、复杂度问题、图论知识以及入门的微积分了解。