内容简介

全书共15章，分为5篇，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，最后，介绍强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。

各章详述如下：

第1章介绍AI的发展趋势，鉴古知今，了解前两波AI失败的原因，比较第三波发展的差异性。

第2章介绍深度学习必备的统计/数学基础，不仅要理解相关知识，也力求能撰写程序解题。

第3章介绍TensorFlow基本功能，包括张量运算、自动微分及神经网络层的组成，并说明梯度下降法求解的过程。

第4章开始实践，依照机器学习的十项流程，撰写完整的范例，包括Web、桌面程序。

第5章介绍TensorFlow进阶功能，包括各种工具，如TensorBoard、TensorFlow Serving、Callbacks。

第6～10章介绍图像/视讯的算法及各式应用。

第11～14章介绍自然语言处理、语音及各式应用。

第15章介绍AlphaGo的基础——强化学习算法。

本书范例程序代码全部可以通过扫描二维码获取。