肖智清著的《神经网络与PyTorch实战/智能系统与技术丛书》由深度学习一线研发人员撰写，讲解神经网络设计与PyTorch应用。以张量为基，以科学计算为线，以神经网络为面，以PyTorch为器，高效铸造AI应用。全书分为三个部分。
第1和第2章：厘清神经网络的概念关联，利用PyTorch搭建迷你AlphaGo，使你初步了解神经网络和PyTorch。
第3～9章：讲解基于PyTorch的科学计算和神经网络搭建，涵盖几乎所有PyTorch基础知识，涉及所有神经网络的常用结构，并通过8个例子使你完全掌握神经网络的原理和应用。
第10章和第11章：介绍生成对抗网络和增强学习，使你了解更多神经网络的实际用法。
另外，部分读者可能需要了解开发环境搭建与Python编程基础，特在附录给出。

肖智清，深度学习一线研发人员，现就职于世界排名第一的投资银行，清华大学博士。擅长概率统计、随机过程、时间序列和机器学习。近5年发表SCI/EI论文十余篇，是多个顶级期刊和会议审稿人。在国内外多项程序设计和数据科学竞赛获得冠军。

前言
第1章 初识神经网络
1.1 例说神经网络
1.1.1 从围棋和AlphaGo说起
1.1.2 人的神经系统
1.1.3 人工神经元
1.1.4 人工神经网络
1.1.5 神经网络的设计和权重的学习
1.2 神经网络与人工智能等概念的关系
1.2.1 人工智能和数据挖掘
1.2.2 机器学习和模式识别
1.2.3 人工神经网络和深度学习
1.2.4 各概念之间的联系
1.3 本章小结
第2章 初识PyTorch
2.1 人工神经网络库PyTorch
2.1.1 PyTorch是什么
2.1.2 编写PyTorch程序
2.2 例说PyTorch
2.2.1 迷你AlphaGo介绍
2.2.2 迷你AlphaGo的完整实现
2.3 PyTorch学习路线
2.4 本章小结
第3章 使用PyTorch进行科学计算
3.1 初识张量
3.1.1 张量的数学定义
3.1.2 PyTorch里的张量
3.2 构造torch.Tensor类实例
3.2.1 构造含有特定数据的张量
3.2.2 构造特定大小的张量
3.2.3 构造等比数列和等差数列张量
3.2.4 构造随机张量
3.3 组织张量的元素
3.3.1 重排张量元素
3.3.2 选取部分张量元素
3.3.3 张量的扩展和拼接
……
第4章 求解优化问题
第5章 线性回归
第6章 线性判决与逻辑回归
第7章 全连接神经网络
第8章 卷积神经网络
第9章 循环神经网络
第10章 生成对抗网络
第11章 强化学习
附录A 开发环境的安装和使用
附录B Python编程基础