序

深度学习从感知器诞生至今已有近70年的历史。目前深度学习逐渐发展成以大模型加精调的迁移学习新范式。深度学习从实验室走向商业化应用，赋能于民用、工业等领域，深刻地影响着人们的生活。每个深度学习算法的背后，是无数科学家、研究员、工程师用智慧探索算法的原理并结合实际场景落地，每一项复杂工作的背后，蕴藏着深刻的数学原理。

国内与深度学习有关的书籍多如繁星，但似乎缺乏专门讲解深度学习背后的数学原理的著作。这本《速通深度学习数学基础》的出现，为相关领域的读者提供了学习上的便利。

本书作者长期从事深度学习项目实践，对相关理论和方法有深刻的心得体会。本书力求精简，在有限的篇幅里，以线性代数、微积分、概率论三条主线，讲解了与深度学习有关的数学知识。参考本书，读者可以大幅提升深度学习领域的文献阅读能力。

本书针对数学知识在深度学习中的应用，精心挑选了相关内容进行深入浅出的讲解，文字轻松有趣，别开生面。本书特别适合以下读者阅读：大学生；想进入深度学习行业，但是担心数学底子不好的技术人员；在算法上缺乏足够基础的工程师。相信本书能帮助这些读者系统地了解深度学习模型背后的常用数学原理。

周　明

2022年7月