Dalam sepuluh tahun terakhir, pada ilmu Kecerdasan Buatan (Artificial Intelligence) berkembang metode pembelajaran pada mesin yang dikenal dengan nama Deep Learning. Metode ini berkembang cukup pesat, didukung oleh perkembangan kemampuan hardware yang juga cepat dan memadai. Deep learning merupakan sebuah metode pembelajaran terhadap data yang bertujuan untuk membuat representasi (abstraksi) data secara bertingkat menggunakan sejumlah layer pengolahan data. Deep learning menekankan bahwa representasi data tersebut tidak dibuat secara eksplisit oleh manusia tetapi dihasilkan oleh sebuah algoritma pembelajaran.

Buku Dasar-Dasar Deep Learning Dan Implementasinya ini menguraikan beberapa konsep dasar dari deep learning dengan pendekatan matematika terapan dan pemrogramannya. Pembahasan dimulai dari:
1. Pengenalan Deep Learning dan pengertian-pengertian dasar yang terkait,
2. Model Neural Network pada Deep Learning (Neural Network, Back Propagation, Single-layer dan Multi-layer Neural Network, Convolutional Neural Network),
3. Model Klasifikasi pada Deep Learning (seperti AlexNet, VGGNet, GoogleNet, Residual Network) serta
4. Model Regresi pada Deep Learning (Deep Regresion, Recurrent Neural Network, Gated Recurrent Unit, Long Short-term Memory).
Pada setiap model yang dibahas, langsung diberikan contoh-contoh penerapannya dengan menggunakan bahasa pemrograman Python.