主要介紹神經網絡與深度學習中的基礎知識、主要模型（前饋網絡、卷積網絡、循環網絡等）以及在計算機視覺、自然語言處理等領域的應用。全書共15章，可以作為一學期的課程進行講授。
第1章是緒論，介紹人工智能、機器學習、深度學習的概要，使讀者對相關知識進行全面的了解。
第2、3章介紹了機器學習的基礎知識。
第4、5、6章分別講述三種主要的神經網絡模型：前饋神經網絡、卷積神經網絡和循環神經網絡。在第6章中略提了下圖網絡的內容。
第7章介紹神經網絡的優化與正則化方法。
第8章介紹神經網絡中的注意力機制和外部記憶。
第9章簡要介紹了一些無監督學習方法。
第10章中介紹一些和模型獨立的機器學習方法：集成學習、協同學習、多任務學習、遷移學習、終生學習、小樣本學習、元學習等。這些都是目前深度學習的難點和熱點問題。
第11章介紹了概率圖模型的基本概念，為后面的章節進行鋪墊。
第12章介紹兩種早期的深度學習模型：玻爾茲曼機和深度信念網絡。
第13章介紹最近兩年發展十分迅速的深度生成模型：變分自編碼器和對抗生成網絡。
第14章介紹了深度強化學習的知識。
第15章介紹了應用十分廣泛的序列生成模型。
