1 引言
1.1 机器学习发展简史
1.2 深度学习的定义
1.3 深度学习的应用领域
1.4 深度学习的成果
2 大数据机器学习系统
2.1 大数据机器学习系统研究背景
2.2 大数据机器学习研究现状
2.3 大数据机器学习系统的技术特征及主要研究问题
2.4 大数据机器学习相关技术
2.5 大数据机器学习平台总体架构
3 深度学习方法研究
3.1 深度学习方法的发展史
3.2 三类深度学习网络
3.3 深度自编码器
3.4.深度堆叠网络及其变形
3.5 预训练的深度神经网络
4 深度学习技术的应用研究
4.1 语音和音频处理中的应用
4.2 在语言模型和自然语言处理中的相关应用
4.3 信息检索领域中的应用
4.4 在目标识别和计算机视觉中的应用
4.5 多模态和多任务学习中的典型应用
5 深度学习软件仿真平台及开发环境
5.1 Caffe平台
5.2 TensorFlp平台
5.3 MXNet平台
5.4 Torch 7平台
5.5 Theano平台
6 大数据巨量分析与机器学习的应用领域
6.1 互联网领域
6.2 商业领域
6.3 工业领域
6.4 农业信息化建设领域
6.5 医疗行业
6.6 城市规划与建筑工程
6.7 其他研究领域
7 国内外深度学习技术研发现状及其产业化趋势
7.1 深度强化学习：从AlphaGo背后力量到学习资源分享
7.2 Google在深度学习领域的研发现状
7.3 Facebook在深度学习领域的研发现状
7.4 百度在深度学习领域的研发现状
7.5 阿里巴巴在深度学习领域的研发现状
7.6 京东在深度学习领域的研发现状
7.7 腾讯在深度学习领域的研发现状
7.8 科创型公司(基于深度学习的人脸识别系统)
7.9 深度学习的硬件支撑——NVIDIA GPU
8 机器学习的哲学探索
8.1 机器学习哲学前沿科学基础
8.2 机器学习的可能实现途径分析
8.3 机器学习算法及其知识发现功能
9 总结与展望
9.1 深度学习发展历史图
9.2 深度学习的应用介绍
9.3 深度神经网络的可塑性
9.4 基于脑启发式的深度学习前沿方向
附录
参考文献