为有效使用 Julia 构建深度学习 (deep learning)模型，扎实掌握其适用于机器学习 (machine learning)的特性将大有裨益。

本章将回顾该语言及其环境的重要方面，为您后续模型实现内容的学习做好准备。

本章涵盖以下内容：

• 为什么 Julia 非常适合机器学习中常见的计算密集型任务。
• Julia 的类型系统和多重派发如何帮助编写灵活且高性能的机器学习代码。
• 用于数据科学操作的重要 Julia 包，例如 DataFrames.jl 和 CSV.jl。
• 使用数组和线性代数的数值计算技术，它们是深度学习算法的核心要素。
• 自动微分的基本机制，它是训练神经网络 (neural network)的核心组成部分。
• Julia 中用于机器学习的可用工具和库的概述。
• 如何设置用于深度学习的 Julia 开发环境。
• 使用 Julia 进行数据操作和基本算法实现的实践练习。