三年前，2014 年 5 月，與我們長期合作的一位譯者，告訴編輯一個信息，深度學習界的泰斗YoshuaBengio要出書了！從加拿大蒙特利爾大學網站作者的個人網頁上我們看到，深度學習領域的第一本書”花書“赫然在目。
三年前，國內機器學習熱、深度學習熱尚處于萌芽狀態。除了專業媒體上一些零星的報道之外，一般大眾甚至都還未曾聽 說過這個術語。但作為策劃編輯，特別是策劃IT技術圖書的編輯，對技術的發展態勢應具有足夠的敏感性。
深度學習是當時國外最火的機器學習技術之一，主要用來處理大數據，國內外的互聯網巨頭像Google、Facebook和百度都在研發這種技術，而且取得了不錯的效果。雖然這本書當時作者僅僅寫了一個草稿（draft），但內部溝通后，憑借我們多年做外版書的經驗，隱約感覺到這本書將是一本大書，事后的發展也證明了這一點，但還是大大超出了我們的預期，因為誰也沒有預料到深度學習在AlphaGo之后能火遍全球、火遍各個行業。
隨即，我們第一時間聯系了作者，聯系了MIT出版社（英文原書的出版方）的版權部。經過交流，得知要待原書確定了出版日期之后才能正式簽署合同。
之后就是漫長的等待。轉一年多的時間過去了。時間到了 2015年 10 月 19 日這一天。分社負責版權合作的同事興奮地通知我們，國外的合同已通過航空掛號信正式寄出，搞定了！
將近一年半的等待時間，終于等到了一個好的結果。眾望所歸的情況下，這本“花書”在各個編輯人員的精耕細作終于在 2017年 7 月出版了，歷時三年，不容易。
“花書”由來
由藝術家Daniel Ambrosi提供的中央公園杜鵑花步道夢幻景觀（danielambrosi.com）。在Ambrosi的億級像素全景圖上，應用Joseph Smarr（Google）和Chirs Lamb（NVIDIA）修改后的Google
DeepDream開源程序，創造了Daniel Ambrosi的“幻景”。由此“花書”產生。
編輯推薦：
深度學習領域奠基性的經典暢銷書
特斯拉CEO埃隆·馬斯克等國內外眾多專家推薦
“花書”簡介
深度學習是機器學習的一個分支，它能夠使計算機通過層次概念來學習經驗和理解世界。因為計算機能夠從經驗中獲取知識，所以不需要人類來形式化地定義計算機需要的所有知識。層次概念允許計算機通過構造簡單的概念來學習復雜的概念，而這些分層的圖結構將具有很深的層次。本書會介紹深度學習領域的許多主題。
“花書”囊括了數學及相關概念的背景知識，包括線性代數、概率論、信息論、數優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、卷積網絡、序列建模和實踐方法等，并且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。最后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近推斷以及深度生成模型。
《深度學習》（“花書”）既可以被本科生或研究生用于規劃其學術界或工業界生涯，也適用于希望在各種產品或平臺上開始使用深度學習技術的軟件工程師。作者在本書的配套網站上為讀者和教師提供了補充資料。
大咖推薦
重磅推薦《深度學習》由該領域的三位專家所撰寫，是目前唯一的綜合性書籍。它為正在進入該領域的軟件工程師和學生提供了廣泛的視角和基礎的數學知識，也可以為研究者提供參考。
——OpenAI的聯合主席、特斯拉和SpaceX的共同創始人兼首席執行官，Elon Musk
這是深度學習的權威教科書，由該領域的主要貢獻者撰寫。此書內容清晰、全面并且權威。閱讀這本書，你可以知道深度學習的由來、它的好處以及它的未來。
——加拿大多倫多大學榮譽教授、Google杰出的研究科學家，GeoffreyHinton
最近十年以來，深度學習成為了風靡全球的技術。學生、從業人員和教師都需要這樣一本包含基本概念、實踐方法和高級研究課題的教科書。這是深度學習領域第一本綜合性的教科書，由幾位最具創意和多產的研究人員撰寫。這本書將是未來幾年的參考書籍。
——Facebook AI研究院主任，紐約大學計算機科學、數據科學與神經科學教授，Yann LeCun
AI圣經！此書是所有數據科學家和機器學習從業者要在這個快速增長的下一代技術領域立足的必讀書籍。
——Daniel D. Gutierrez，知名媒體機構insideBIGDATA
作者簡介
Ian Goodfellow
Ian Goodfellow，2014年蒙特利爾大學機器學習博士，是Google的研究科學家。他的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。他在研究對抗樣本上是一位有影響力的早期研究者，并發明了生成式對抗網絡。在深度學習領域貢獻卓越。
Yoshua Bengio
Yoshua Bengio是計算機科學與運籌學系的教授，蒙特利爾學習算法研究所（MILA）的負責人，CIFAR項目的共同負責人，加拿大統計學習算法研究主席。他的主要研究目標是了解產生智力的學習原則。他還教授機器學習研究生課程（IFT6266），并培養了一大批研究生和博士后。
Aaron Courville
Aaron Courville是蒙特利爾大學計算機科學與運籌學系（DIRO）的助理教授，也是LISA實驗室的成員。目前的研究興趣集中在發展深度學習模型和方法，特別是開發概率模型和新穎的推斷方法。他主要專注于計算機視覺應用，在其他領域，如自然語言處理、音頻信號處理、語音理解和其他人工智能相關任務也有所研究。
譯者簡介
張志華，北京大學數學科學學院統計學教授，北京大數據研究院數據科學兼職教授，曾先后任教于上海交通大學和浙江大學計算機科學專業。主要從事于統計機器學習與人工智能領域的研究和教學，是國際機器學習刊物Journal of Machine Learning Research的執行編委，并多次受邀擔任國際人工智能頂級學術會議的程序委員或高級程序委員。其網絡公開課“統計機器學習”和“機器學習導論”受到廣泛關注。
趙申劍，上海交通大學計算機系碩士研究生，研究方向為數優化和自然語言處理。
黎彧君，上海交通大學計算機系博士研究生，研究方向為數優化和強化學習。
符天凡，上海交通大學計算機系碩士研究生，研究方向為貝葉斯推斷。
李凱，上海交通大學計算機系博士研究生，研究方向為博弈論和強化學習。
微信掃一掃
