关于本书
《神经网络与深度学习》（即”蒲公英书”）系统介绍了神经网络与深度学习的基础理论、典型模型和应用方法。第二版相对第一版进行了全面更新，新增 Transformer、扩散模型、大语言模型等近年来的关键内容。
GitHub 仓库
章节目录
机器学习基础
- 绪论
- 机器学习概述
- 线性模型
基础模型
- 前馈神经网络
- 卷积神经网络
- 循环神经网络
- 网络优化与正则化
- 注意力机制与Transformer
- 图神经网络
进阶主题
- 无监督学习
- 模型独立的学习方式
- 深度强化学习
- 大语言模型与智能体
- 概率图模型
- 深度信念网络
- 深度生成模型
附录
- 数学基础
配套资源
案例与实践
配套实战教程，含 PyTorch 实现。想边读边写代码可以搭配它。
通识版
面向更广读者的入门读本，弱化数学推导。预习或科普可从它入手。
大模型与智能体
专门讲大模型与智能体的姊妹书。学完本书第 8 章（注意力机制与 Transformer）和第 13 章（大语言模型与智能体）后可深入这本。
想了解本书与系列内其他几本的差别、判断哪本更适合自己？参考 阅读路径与选书建议。
第一版归档
第一版 PDF 与勘误保留在 legacy/nndl-v1 目录。