大神Bengio的新书《Deep Learning》完稿了。和Bengio之前的《Learning Deep Architectures for AI》相比，风格变化很大。

本书目标受众是希望学习机器学习的大学生们（本科生或研究生）和没有机器学习背景的软件工程师们。因此，增加了一些基础知识，比如线性代数、概率论以及机器学习等，同时对于不同神经网络模型的介绍也更加详细，并加入了最新的研究成果，特别是2015年的很多工作也都进行了介绍。如果书名起的俗气一点，可以套用从入门到精通之类名字。

Ian Goodfellow，谷歌大脑团队科学家，Bengio的研究生。AaronCourville，蒙特利尔大学助理教授，Bengio的博士后。这两位不太熟悉，这里不太过多介绍了。

Yoshua Bengio，蒙特利尔大学教授，人工神经网络研究领域的超级大牛（我个人倾向的big4为Geoff Hinton、Yann LeCun、Yoshua Bengio以及Jürgen Schmidhuber），最新Google Scholar统计的论文引用3万7千次，机器学习泰斗Michael Jordan的博士后。其主要贡献在于：1）神经网络语言模型[1] ：开启了基于神经网络自然语言处理方法的先河，引发了embeddings热潮；2）可以自动求梯度的Theano，给无数研究员、研究生提供赖以生存的工具；3）最早关于RNN的梯度弥散问题的分析，看看现在无所不能的RNN，自然会想起Bengio的慧眼识珠；4）和Hinton、Lecun一起引领了人工神经网络的复兴 。

介绍转载自于 “智能立方”公众号【AIcube】