三年前，2014 年 5 月，与我们长期合作的一位译者，告诉编辑一个信息，深度学习界的泰斗YoshuaBengio要出书了！从加拿大蒙特利尔大学网站作者的个人网页上我们看到，深度学习领域的第一本书”花书“赫然在目。
三年前，国内机器学习热、深度学习热尚处于萌芽状态。除了专业媒体上一些零星的报道之外，一般大众甚至都还未曾听 说过这个术语。但作为策划编辑，特别是策划IT技术图书的编辑，对技术的发展态势应具有足够的敏感性。
深度学习是当时国外最火的机器学习技术之一，主要用来处理大数据，国内外的互联网巨头像Google、Facebook和百度都在研发这种技术，而且取得了不错的效果。虽然这本书当时作者仅仅写了一个草稿（draft），但内部沟通后，凭借我们多年做外版书的经验，隐约感觉到这本书将是一本大书，事后的发展也证明了这一点，但还是大大超出了我们的预期，因为谁也没有预料到深度学习在AlphaGo之后能火遍全球、火遍各个行业。
随即，我们第一时间联系了作者，联系了MIT出版社（英文原书的出版方）的版权部。经过交流，得知要待原书确定了出版日期之后才能正式签署合同。
之后就是漫长的等待。转一年多的时间过去了。时间到了 2015年 10 月 19 日这一天。分社负责版权合作的同事兴奋地通知我们，国外的合同已通过航空挂号信正式寄出，搞定了！
将近一年半的等待时间，终于等到了一个好的结果。众望所归的情况下，这本“花书”在各个编辑人员的精耕细作终于在 2017年 7 月出版了，历时三年，不容易。
“花书”由来
由艺术家Daniel Ambrosi提供的中央公园杜鹃花步道梦幻景观（danielambrosi.com）。在Ambrosi的亿级像素全景图上，应用Joseph Smarr（Google）和Chirs Lamb（NVIDIA）修改后的Google
DeepDream开源程序，创造了Daniel Ambrosi的“幻景”。由此“花书”产生。
编辑推荐：
AI圣经 Deep Learning中文版
深度学习领域奠基性的经典畅销书
长期位居美国亚马逊AI和机器学习类图书榜首
特斯拉CEO埃隆·马斯克等国内外众多专家推荐
“花书”简介
深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。
“花书”囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近推断以及深度生成模型。
《深度学习》（“花书”）既可以被本科生或研究生用于规划其学术界或工业界生涯，也适用于希望在各种产品或平台上开始使用深度学习技术的软件工程师。作者在本书的配套网站上为读者和教师提供了补充资料。
大咖推荐
重磅推荐《深度学习》由该领域的三位专家所撰写，是目前唯一的综合性书籍。它为正在进入该领域的软件工程师和学生提供了广泛的视角和基础的数学知识，也可以为研究者提供参考。
——OpenAI的联合主席、特斯拉和SpaceX的共同创始人兼首席执行官，Elon Musk
这是深度学习的权威教科书，由该领域的主要贡献者撰写。此书内容清晰、全面并且权威。阅读这本书，你可以知道深度学习的由来、它的好处以及它的未来。
——加拿大多伦多大学荣誉教授、Google杰出的研究科学家，GeoffreyHinton
最近十年以来，深度学习成为了风靡全球的技术。学生、从业人员和教师都需要这样一本包含基本概念、实践方法和高级研究课题的教科书。这是深度学习领域第一本综合性的教科书，由几位最具创意和多产的研究人员撰写。这本书将是未来几年的参考书籍。
——Facebook AI研究院主任，纽约大学计算机科学、数据科学与神经科学教授，Yann LeCun
AI圣经！此书是所有数据科学家和机器学习从业者要在这个快速增长的下一代技术领域立足的必读书籍。
——Daniel D. Gutierrez，知名媒体机构insideBIGDATA
作者简介
Ian Goodfellow
Ian Goodfellow，2014年蒙特利尔大学机器学习博士，是Google的研究科学家。他的研究兴趣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。他在研究对抗样本上是一位有影响力的早期研究者，并发明了生成式对抗网络。在深度学习领域贡献卓越。
Yoshua Bengio
Yoshua Bengio是计算机科学与运筹学系的教授，蒙特利尔学习算法研究所（MILA）的负责人，CIFAR项目的共同负责人，加拿大统计学习算法研究主席。他的主要研究目标是了解产生智力的学习原则。他还教授机器学习研究生课程（IFT6266），并培养了一大批研究生和博士后。
Aaron Courville
Aaron Courville是蒙特利尔大学计算机科学与运筹学系（DIRO）的助理教授，也是LISA实验室的成员。目前的研究兴趣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。他主要专注于计算机视觉应用，在其他领域，如自然语言处理、音频信号处理、语音理解和其他人工智能相关任务也有所研究。
译者简介
张志华，北京大学数学科学学院统计学教授，北京大数据研究院数据科学兼职教授，曾先后任教于上海交通大学和浙江大学计算机科学专业。主要从事于统计机器学习与人工智能领域的研究和教学，是国际机器学习刊物Journal of Machine Learning Research的执行编委，并多次受邀担任国际人工智能顶级学术会议的程序委员或高级程序委员。其网络公开课“统计机器学习”和“机器学习导论”受到广泛关注
赵申剑，上海交通大学计算机系硕士研究生，研究方向为数优化和自然语言处理。
黎彧君，上海交通大学计算机系博士研究生，研究方向为数优化和强化学习。
符天凡，上海交通大学计算机系硕士研究生，研究方向为贝叶斯推断。
李凯，上海交通大学计算机系博士研究生，研究方向为博弈论和强化学习。
