本书的内容大体可以分为机器学习基础、顺序传播神经网络的深度学习、玻尔兹曼机和深度强化学习四个部分，既考虑了通俗性和完整性，又介绍了深度学习的各个方面。其中机器学习基础部分介绍了神经网络、机器学习与深度学习的数学基础、典型任务、数据集等；顺序传播神经网络的深度学习部分介绍了梯度下降法的机器学习、深度学习的正则化、误差反向传播法、自编码器、卷积神经网络以及循环神经网络等；玻尔兹曼机部分对图模型神经网络的机器学习进行了深入深入的介绍；深度强化学习部分则重点介绍了强化学习中的深度神经网络学习的理论和方法。