本书分为三个部分, 共14章。第1-4章为第一部分, 主要介绍机器学习基础知识, 包括向量空间、矩阵代数、凸优化等数学预备知识, 以及支持向量机、核回归等经典机器学习技术; 第5-9章为第二部分, 主要介绍深度学习的构成要素, 包括人工神经网络与反向传播、卷积神经网络、图神经网络及归一化和注意力机制, 重点介绍这些模型背后的数学原理和几何解释; 第10-14章为第三部分, 主要介绍深度学习的高级主题, 包括深度神经网络几何学、深度学习优化与泛化能力, 以及生成模型与无监督学习。并列题名：Geometry of deep learning eng