本书通过比较分类问题和逻辑回归问题，引出机器学习的概率分析基础，并建立起逻辑回归和单个神经元的等价性。基于这种等价性，本书将直观地引出深度神经网络的基本思想和架构。然后，本书将分别介绍深度学习目前运用最广泛的两个模型：卷积神经网络和循环神经网络。最后，本书将探讨深度学习在无监督学习领域的一些前沿探索，包括词（节点）嵌入、自编码器、对抗生成网络等。本书主要内容包括：机器学习概述与线性回归模型、基于概率的分类模型、逻辑回归、深度学习概述、反向传播、深度学习训练技巧、卷积神经网络、深层网络的意义、词嵌入模型以及循环神经网络等。