马毅老师他们的教科书《深度表征学习的原理与实践》更新了一版地址：ma-lab-berkeley.github.io/deep-representation-learning-book/

这是一本现代化、完全开源的教科书，旨在深入探讨深度神经网络为什么以及如何从高维真实世界数据中学习紧凑且信息密集的表征。

本书试图从数学第一性原理出发，揭示深度神经网络学习与记忆信息的内在机制，核心问题是：神经网络如何从高维复杂数据中提取低维结构，并形成紧凑、高效且具有泛化能力的知识表征？ 全书融合线性代数、概率统计、优化理论与信息论，从经典的 PCA、ICA、字典学习出发，逐步深入扩散模型、信息压缩、自编码器、Transformer 及白盒神经网络等现代方法，并结合图像、自然语言、三维视觉和人体运动等实际应用，尝试建立统一、可解释的深度学习理论框架。