本博客将教你：

1. 神经网络，一个美丽的生物启发编程范式，使计算机能够从观测数据中学习。

2. 深度学习，一套强大的神经网络学习技术。

    目前，神经网络和深度学习为图像识别、语音识别和自然语言处理中的许多问题提供了最好的解决方案。这本书将教你神经网络和深度学习背后的许多核心概念。

     神经网络是有史以来最美丽的编程范例之一。在传统的编程方法中，我们告诉计算机该做什么，将大问题分解成许多小的、精确定义的任务，计算机可以轻松地执行这些任务。相比之下，在神经网络中，我们不告诉计算机如何解决我们的问题。相反，它从观测数据中学习，找出自己解决手头问题的方法。

     从数据中自动学习听起来很有希望。然而，直到2006年我们才知道如何训练神经网络来超越更传统的方法，除了一些特殊的问题。2006年发生变化的是在所谓的深层神经网络中发现了学习技术。这些技术现在被称为深度学习。它们得到了进一步的发展，如今深度神经网络和深度学习在计算机视觉、语音识别和自然语言处理的许多重要问题上取得了突出的成绩。谷歌、微软、Facebook等公司正在大规模部署它们。

       本专栏系列博客的目的是帮助你掌握神经网络的核心概念，包括用于深度学习的现代技术。在读完之后，你将编写使用神经网络和深度学习来解决复杂模式识别问题的代码。你将有一个基础使用神经网络和深度学习来测试你自己设计的问题。

一、以原则为导向的方法

   最好是对神经网络和深度学习的核心原理有一个坚实的理解，而不是对一长串杂乱无章的想法有一个模糊的理解。如果你已经很好地理解了核心思想，你就能很快地理解其他新材料。用编程语言的术语来说，可以认为它掌握了一种新语言的核心语法、库和数据结构。您可能仍然只“知道”整个语言的一小部分—许多语言都有大量的标准库—但新的库和数据结构可以快速而轻松地理解。

    如果你只是想如何使用某些特定的神经网络库的教程。那就别读这文章！你只需找到您想要学习的库，并完成教程和文档就行了。虽然这可以解决问题，直接看到回报，但如果你想了解神经网络中到底发生了什么，如果你想获得几年后仍然相关的见解，那么仅仅学习一些热门的库是不够的。你需要了解神经网络工作原理背后持久的洞察力。技术来了技术去了，但万变不离其宗。

二、一种亲自动手的方法

      我将学习神经网络和深度学习背后的核心原理，通过解决一个具体问题：教计算机识别手写数字的问题。用传统的编程方法很难解决这个问题。然而，使用一个简单的神经网络，只有几十行代码，没有特殊的库可以很好地解决。更重要的是，我们可以通过多次迭代来改进程序，逐步融入越来越多关于神经网络和深度学习的核心思想。

     这种实践方法意味着您需要一些编程经验来阅读这本书。但是你不需要成为一个专业的程序员。我已经用Python（版本2.7）编写了代码，即使不使用Python编程，也应该很容易理解。通过本书的课程，我们将开发一个小的神经网络库，你可以用它来进行实验和建立理解。所有的代码都可以下载。一旦你完成了这本书，或者当你阅读它的时候，你可以很容易地拿起一个功能更完整的神经网络库，用于生产应用。

     另一方面，阅读这本博客的数学要求并不高。大多数章节都有一些数学知识，但通常只是初等代数和函数图，我希望大多数读者都能接受。我偶尔会用到更多的高等数学，但我已经组织了材料，以便你可以遵循，即使一些数学细节你逃避。第二章是广泛使用重数学的一章，它需要一些多元微积分和线性代数。如果这些不熟悉，我将在第二章开始讨论如何驾驭数学。如果你觉得它很沉重，你可以直接跳到本章主要结果的摘要。无论如何，一开始就不必担心这个问题。

      我们的目标是原则导向和动手，这是罕见的。但我相信，如果我们建立起神经网络的基本思想，你会学到最好的东西。我们将开发活的代码，而不仅仅是抽象的理论，您可以探索和扩展的代码。通过这种方式，你将了解基础知识，包括理论和实践，并准备好进一步增加你的知识！