本書首先介紹深度學(xué)習(xí)，并與其他機器學(xué)習(xí)模型進行比較，并闡述與TensorFlow互補的用于創(chuàng)建深度學(xué)習(xí)模型的技術(shù)，如Panda、Scikit-Learn和Numpy。隨后介紹有監(jiān)督的深度學(xué)習(xí)模型，并使用單層的多個感知器構(gòu)建淺層神經(jīng)網(wǎng)絡(luò)，使用Tensorflow 2.0和Keras API創(chuàng)建真實的應(yīng)用程序。隨后是數(shù)據(jù)增強和批處理規(guī)范化方法，并使用MNIST數(shù)據(jù)集訓(xùn)練CNN。最后是使用自動編碼器的理論應(yīng)用和無監(jiān)督學(xué)習(xí)，以及使用tf-agent模型的強化學(xué)習(xí)。本書主要面向深度學(xué)習(xí)和機器學(xué)習(xí)API領(lǐng)域的數(shù)據(jù)科學(xué)家和程序員。