该书的作者是来自 Y Combinator Research 的研究员 Michael
Nielsen，他也是一位量子物理学家、科学作家、计算机编程研究人员。他的个人主页是：Neural NETWORKs and deep
learningneuralNETWORKsanddeeplearning.com书籍介绍 这是我个人以为目前最好的神经网络与机器学习入门资料之一。内容非常浅显易懂，很多数学密集的区域作者都有提示。全书贯穿的是 MNIST 手写数字的识别问题，每个模型和改进都有详细注释的代码。非常适合用来入门神经网络和深度学习！ 全书共分为六章，目录如下： 第一章：使用神经网络识别手写数字 第二章：反向传播算法如何工作 第三章：改进神经网络的学习方法 第四章：神经网络可以计算任何函数的可视化证明 第五章：深度神经网络为何很难训练 第六章：深度学习 《Neural Network and Deep
Learning》这本书的目的是帮助读者掌握神经网络的核心概念，包括现代技术的深度学习。在完成这本书的学习之后，你将使用神经网络和深度学习来解决复杂模式识别问题。你将为使用神经网络和深度学习打下基础，来攻坚你自己设计中碰到的问题。 本书一个坚定的信念，是让读者更好地去深刻理解神经网络和深度学习，如果你很好理解了核心理念，你就可以很快地理解其他新的推论。这就意味着这本书的重点不是作为一个如何使用一些特定神经网络库的教程。仅仅学会如何使用库，虽然这也许能很快解决你的问题，但是，如果你想理解神经网络中究竟发生了什么，如果你想要了解今后几年都不会过时的原理，那么只是学习些热?的程序库是不够的。你需要领悟让神经网络工作的原理。
