本书首先介绍深度学习，并与其他机器学习模型进行比较，并阐述与TensorFlow互补的用于创建深度学习模型的技术，如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型，并使用单层的多个感知器构建浅层神经网络，使用Tensorflow2.0和KerasAPI创建真实的应用程序。随后是数据增强和批处理规范化方法，并使用MNIST数据集训练CNN。最后是使用自动编码器的理论应用和无监督学习，以及使用tf-agent模型的强化学习。本书主要面向深度学习和机器学习API领域的数据科学家和程序员。

第1章绪论
1.1编程语言Python
1.1.1Python发展时间轴
1.1.2Python2.x与Python3.x
1.1.3选择Python的原因
1.2机器学习框架TensorFlow
1.2.1TensorFlow发展时间轴
1.2.2选择TensorFlow的原因
1.2.3TensorFlow2.x的新特点
1.2.4TensorFlow的竞争产品
1.3安装与环境设置
1.4硬件选项和要求
第2章机器学习简介
2.1何为机器学习
2.2机器学习的范围及相关邻域
2.2.1人工智能
2.2.2深度学习
2.2.3数据科学
2.2.4大数据
2.2.5分类图
……