一本好的教材兼備兩大特質——體量恢弘、思想深邃。由世界公認的機器學習專家Christopher M.Bishop耗時16年精心打磨而成的《深度學習：基礎與概念》，就是這樣一本經典的深度學習入門書，隨著大模型的發展，這本書與時俱進涵蓋 Transformer、LLM、GAN、擴散模型等新技術新進展，更適合當下。

本書一經問世，就得到2024年諾貝爾物理學獎和2018年圖靈獎得主Geoffrey Hinton、2018圖靈獎得主Yann LeCun和2018圖靈獎得主Yoshua Bengio這三位人工智能領域巨頭聯袂推薦，迅速攀升至亞馬遜最暢銷書籍排行榜的首位，Springer Nature 2024 年度最暢銷著作的榮譽更是讓它在學術出版界風頭無兩，被業界公認為 “深度學習領域迫切需要的現代教材”。

十幾年前，Bishop大神的Pattern Recognition and Machine Learning（PRML）以貝葉斯視角揭示了機器學習算法的本質，被稱為該領域的“圣經”。經典前作封神，新作再續傳奇，如今，他推出姊妹篇《深度學習：基礎與概念》，系統梳理了深度學習近20年來的理論基礎與關鍵進展，重構深度學習理論根基。

▼點擊下方，即可購書

大神出品必不凡！接下來讓我們一起翻開這本領域巨著，看看他這次又帶來了哪些超硬核的干貨！

Part.1

作譯者皆是AI專家，作品質量可靠

能打造出一本又一本領域巨著，作者必定要功力深厚。

本書兩位作者Christopher M.Bishop和Hugh Bishop，就是深耕人工智能領域數十年的資深專家。

Christopher M.Bishop是愛丁堡大學計算機科學名譽教授和劍橋大學達爾文學院院士，現任微軟研究院劍橋AI for Science (AI4Science)部門的技術院士兼總監，并且是英國人工智能委員會的創始成員，曾任首相科學技術委員會成員 (2019)。

Hugh Bishop是Christopher M.Bishop的兒子，是倫敦一家基于端到端深度學習的自動駕駛公司Wayve的應用科學家，負責設計和訓練深度神經網絡。他擁有劍橋大學工程系機器學習和機器智能專業碩士學位，以及杜倫大學計算機科學工程學碩士學位。

Christopher M.Bishop在1996年出版過關于神經網絡的Neural Networks for"Pattern Recognition（NNPR)一書，推動了神經網絡作為模式識別工具的應用，備受贊譽；2006年又出版了從貝葉斯主義角度詮釋機器學習的名著Pattern Recognition and Machine Learning（PRML），是很多機器學習愛好者的啟蒙圖書。

PRML的出版早于深度學習革命，雖未涵蓋深度學習內容，卻因其貝葉斯框架的普適性至今仍被奉為經典。不過Bishop 大神早就覺得是時候更新這本書，出第2版，增加一些關于深度學習的內容了。

在 COVID-19 期間，他與兒子開啟了這個合作寫書項目。但他們很快意識到，所需要的不是在 PRML 上增加幾章，而是整個領域已經發生了如此大的變化。

而且，2020年，Bishop大神與兒子啟動修訂計劃，卻意識到領域變革遠超預期。他們也不想寫一本只是不斷累積越來越多的材料的書，那會變成一本巨大的、龐雜的書籍。

Bishop大神認為一本書的價值在于提煉，在于它將你的注意力吸引到特定的事物子集上，重點在于“提煉”而非“堆砌”。最終，他們放棄簡單增補，轉而打造全新著作《深度學習：基礎與概念》（DLFC）。

ChatGPT爆火后，他們搶抓時機，于2023年NeurIPS會議前出版新書，回應全球對AI底層原理的迫切需求。該書發布僅兩個月，在Springer平臺的訪問量就高達63k，在海外AI圈引發學習熱潮。

▲英文原書在世界最著名、最有影響力的AI和機器學習會議——神經信息處理系統大會(NeurIPS）上備受關注

考慮到國內的讀者同樣迫不及待地想要讀到這本巨著，為保證翻譯質量，我們特邀Momenta 研發負責人、CSDN &《新程序員》首席內容顧問鄒欣，北京理工大學計算機學院特別副研究員阮思捷，中國人工智能領軍科學家、上海市人工智能社會治理協同創新中心研究員劉志毅，北京理工大學電子政務研究院執行院長、計算機學院特聘教授王樹良等一批AI領域大咖翻譯本書。

終于，這本全面系統的“深度學習領域迫切需要的現代教材”能與我們見面了。

Part.2

兼具“新”與“深”，更適合當下

作者在前言中提到：“大語言模型正在迅速演進，然而其底層的Transformer架構和注意力機制在過去5年基本保持不變，并且機器學習的許多核心原則已被人們熟知數十年。”

我們只有吃透這些“不變”的原理，才能不被眼花繚亂的“震驚”迷惑。

正是基于這個原則，本書的編排兼具“新”（涵蓋LLM、擴散模型等）與“深”（理論扎實），幫助深度學習的新手及有經驗的從業者全面理解支撐深度學習的基礎理論，以及現代深度學習架構和技術的關鍵概念，為讀者未來在專業領域的深造打下堅實的基礎。

新內容

如果你讀過PRML，讀本書時肯定會覺得似曾相識，它們的結構其實非常接近，你可以理解為作者用這十多年來領域的新進展重塑了PRML，就得到了本書。

本書可以看作PRML的“伴隨讀物”，采用了PRML中的一部分相關內容并進行了改寫，以更專注于深入學習所需的基礎概念，確保內容能自成一體。例如，PRML只用了一章講神經網絡，本書用了幾章的篇幅深入講解，體現了時代范式的變遷。

比如，由固定非線性基函數的線性組合構成的線性回歸模型可以表達為單層權重和偏置參數的神經網絡（第4章）、基于基函數線性組合的分類模型也可以視作單層（神經）網絡（第5章）、具有多層可學習參數的神經網絡：前饋網絡(feed-forward network）或多層感知機(multi-layer perceptron)（第6章）等。

新技術

本書從概率、統計和計算等多個角度交叉講解算法和模型，強調了通過可解釋性和可計算性來模擬智能的本質。讀者在閱讀過程中可能會體驗到類似于大語言模型帶來的“頓悟時刻”（Aha Moment），這是一種在人類認知中突然出現的、非線性的解決問題的美妙體驗。

近年來，人工智能發展迅速，大語言模型的出現更是推動了人工智能向更高層次發展，而這一切的基礎都源于神經網絡和深度學習。

本書全面系統地介紹了神經網絡和深度學習的相關知識，不盲目追逐可能很快會過時的熱門架構，而是注重基礎性和持久價值，重點關注那些經得起時間考驗的方法。書中涵蓋了 Transformer、LLM、GAN、擴散模型等熱門架構，直擊 ChatGPT 技術內核，為讀者進一步學習、應用和研究人工智能提供了堅實的技術基礎。

本書的亮點在于，它不僅包含新的內容，還巧妙地將這些內容融入清晰的知識體系中，實現了在變化中體現不變的本質，讓讀者能夠清晰地看到技術的發展脈絡，這正是 Bishop大神的高明之處。

更廣泛

本書全面且深入地呈現了深度學習領域的知識體系，系統梳理了該領域的核心知識，闡述了深度學習的關鍵概念、基礎理論及核心思想，剖析了當代深度學習架構與技術。

本書首先介紹深度學習的發展歷程、基本概念及其在諸多領域（如醫療診斷、圖像合成等)產生的深遠影響，繼而深入探討支撐深度學習的數學原理，包括概率、標準分布等。

在網絡模型方面，從單層網絡逐步深入多層網絡、深度神經網絡，詳細講解其結構、功能、優化方法及其在分類、回歸等任務中的應用，同時涵蓋卷積網絡、Transformer等前沿架構及其在計算機視覺、自然語言處理等領域的獨特作用。

本書還對正則化、采樣、潛變量、生成對抗網絡、自編碼器、擴散模型等關鍵技術展開深入分析，闡釋其原理、算法流程及實際應用場景。基本上我們能用到的深度學習知識都包含在本書的討論范疇中。

盡管本書篇幅宏大，但其深入淺出的表述和大量案例的使用，使得復雜概念易于理解，比如，第1章用一個案例引出機器學習的歷史和基礎概念。

本書分20章，每章聚焦一個主題，內容相互獨立又線性銜接，前文為后文奠基。這種結構便于知識消化與吸收，無論是用于本科生或研究生的機器學習課程教學，還是為深度學習研究者、自學者提供參考，都非常合適。

更具深度

本書內容絕非淺嘗輒止。面對深度學習知識的廣泛性與快速迭代，作者力求深入，提煉關鍵思想與基礎概念，這些內容在領域內經久不衰。只有掌握核心原理，才能從模仿應用躍升至自主創新。

同時作者認為，扎實的數學和算法功底能讓讀者將深度學習技術靈活應用于新場景，例如，圖神經網絡在社交與生物信息學中的應用，以及利用對流標準化和結構化分布處理非規范數據，助力前沿突破。

Part.3

滿載贊譽，經典之作助力入門深度學習

正因如此，本書獲得讀者及業內人士的廣泛認可和高度評價，在美亞上獲得4.5分的評分。

國內外人工智能領域各專家、教授都對本書給予高度贊賞。

本書旨在講清概念，強調現實中用得上的技術，而非抽象的理論。對于復雜概念，會結合文字、圖表、公式等多種形式呈現，幫助不同背景的讀者理解。

書中專門開辟板塊總結關鍵算法，這些總結雖未提升算法的計算效率，但通過補充數學說明，可以助力不同背景的讀者理解書中的內容。

從第2章開始，每章最后都會給出一套設計好的習題，每道習題按難度分級，從幾分鐘就能完成的簡單的一星級(*)到明顯更復雜的三星級(***)，旨在幫助讀者鞏固書中解釋的關鍵思想或以重要方式擴展和泛化它們。

本書配有一個網站（https://www.bishopbook.com），用于提供習題解答、可下載圖表等配套素材。

Part.4

唯思想永恒

就像一位讀者分享的那樣：Bishop大神的書適合你在不同的學習階段反復地讀，直到你發現他講的確實都是基礎，這才能讀出精妙之處來。

如果你對深度學習感興趣，那不妨拿起本書，探索其深邃思想，開啟AI世界的全新認知。