本书根据李宏毅老师的公开课改写、扩充而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括BERT和GPT-3）等深度学习常见算法，并讲解了对抗攻击、可解释人工智能、领域自适应、强化学习、终身学习、模型压缩、元学习等深度学习相关的进阶算法。在理论严谨的基础上，本书保留了公开课中的大量生动有趣的例子，帮助读者从生活化的角度理解深度学习概念、建模过程和核心算法细节。 本书适合对深度学习感兴趣、想要入门深度学习的读者阅读，也可作为深度学习相关课程的参考教材。

王琦 上海交通大学人工智能 重点实验室博士研究生，硕士毕业于 大学。Datawhale成员，《Easy RL：强化学习教程》作者，英特尔边缘计算创新大使，Hugging Face社区志愿者，AI TIME成员。主要研究方向为强化学习、计算机视觉、深度学习。曾获“中国光谷·华为杯”第十九届中国研究生数学建模竞赛二等奖、中国大学生计算机设计大赛二等奖、亚太地区大学生数学建模竞赛（APMCM）二等奖，发表SCI多篇。 杨毅远 牛津大学计算机系博士研究生，硕士毕业于清华大学。Datawhale成员，《Easy RL：强化学习教程》作者。主要研究方向为时间序列、数据挖掘、智能传感系统，深度学习。曾获 奖学金、北京市 毕业生、清华大学 学位论文、全国大学生智能汽车竞赛总 等荣誉，发表SCI/EI论文多篇。 江季 网易 算法工程师，硕士毕业于北京大学。Datawhale成员，《Easy RL：强化学习教程》作者。主要研究方向为强化学习、深度学习、大模型、机器人等。曾获得 奖学金、上海市 毕业生等荣誉，发表强化学习与游戏AI等相关专利多项。