深度学习原理与实践

这本书最打动初学者的，是它把「理论」和「代码」真正拧在了一起：每讲一个模型，都用实例代码把抽象原理落到可运行的程度上，让读者不是记住公式，而是看懂它怎么跑起来。ANN、CNN、RNN 三条主线由浅入深，配大量视觉化案例，读起来不费力。需要提醒的是，它更偏「上手」而非「啃透」——有读者读完仍希望 RNN、LSTM 部分再深入些，追求数学推导与理论深度的读者可能会觉得浅。正因如此，它适合想快速建立实战直觉、又不想被公式劝退的入门者，以及需要一本案例型参考书的工程师；若你期待严密的数学证明，这里未必给得够。

西安电子科技大学软件工程硕士。曾就职于海格通讯人工智能算法部门，统筹负责人工智能算法、图像算法、深度学习等研究。曾在国内核心期刊发表多篇关于无人驾驶汽车相关论文。在信息项目方面，曾研究和参与激光点云三维扫描、大数据信息推荐系统、融合多传感器的无人驾驶系统、机器学习和数据统计建模等多个项目设计，期间多次获国家级创新项目奖。此外，还作为讲师和技术顾问为多家机构提供关于数据建模、深度学习等咨询和培训。