内容简介

全书共有15章，分为5部分。

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。

第五篇介绍了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。