本书介绍了解贝叶斯神经网络的基本原理, 了解不同的关键BNN实现/近似之间的权衡, 了解概率DNN在生产背景下的优势, 指导如何实现各种BDL方法, 以及如何将这些方法应用于现实世界中的问题, 了解如何评估BDL方法并为特定任务选择最佳方法。通过本书, 读者将了解预测任务中不确定性估计的重要性, 并将了解各种用于产生原则性不确定性估计的贝叶斯深度学习方法。读者将在这些方法的实施过程中得到指导, 并将学习如何选择和在现实世界中应用贝叶斯深度学习方法。在本书结束时, 读者将对贝叶斯深度学习和其所提供的优势具有很好的理解, 并能够开发贝叶斯深度学习模型, 以帮助使自己的应用更加强大。