深度学习理论由Hinton等人于2006年提出, 其概念源于对人工神经网络的研究。深度学习技术通过组合数据的低层特征形成更加抽象的高层属性, 以发现数据的分布式特征表示。本书主要阐述基于深度学习理论的一些模型和算法。全书共分为8章, 主要内容包括绪论、TensorFlow和Keras简介、简单神经网络、图像类数据处理、序列类数据处理、深度学习模型优化、数据和模型的处理与调试、现代深度学习模型概述。附录给出了基于深度学习的视频目标跟踪研究进展综述和QLearning算法的参考代码。为便于学习和参考, 各章均包含丰富的思考题。本书主要面向工科院校人工智能、模式识别、数据挖掘和深度学习等专业的本科生, 也可供相关专业的研究生和工程技术人员参考。