这是一本TensorFlow机器学习入门教程，书中通过大量实例，以浅显易懂、循序渐进的方式详细阐释使用Python和TensorFlow构建机器学习模型的核心技术与方法。本书既涵盖机器学习基础理论，又介绍了如何将机器学习核心概念应用于现实世界的挑战（例如，情感分析、文本分类和图像识别）中，并通过实例展示了用于深度语音处理、面部识别以及使用CIFAR－10的自编码器的神经网络技术。
全书共分为三部分。第一部分（第1～2章）讨论机器学习的基本原理及其当前被大规模应用的原因；第二部分（第3～10章）通过大量实例详细介绍回归算法和分类算法，涵盖回归、分类、无监督聚类和隐马尔可夫模型（HMM）等技术及应用；第三部分（第11～19章）主要介绍神经网络及其应用，涵盖使用隐藏层的自编码器压缩和表示输入、用于自动分类图像和面部识别的卷积神经网络（CNN）、用于时间序列数据或语音转文本的循环神经网络（RNN），以及seq2seq RNN架构等内容。

克里斯·马特曼（Chris Mattmann），是美国国家航空航天局（NASA）喷气推进实验室人工智能分析和创新发展部门的负责人，并且是该实验室数据科学领域的第一位首席科学家。Chris Mattmann已经将TensorFlow应用到他在NASA面临的挑战中，包括使用TensorFlow构建谷歌的看图说话（Show & Tell）算法。他曾担任Apache软件基金会(Apache Software Foundation)的负责人，为开源项目做出了卓越贡献，并在南加州大学教授内容检测和分析、搜索引擎以及信息检索方面的研究生课程。

译者序
序
前言
关于本书
致谢
第一部分 机器学习基础
第1章 开启机器学习之旅
1.1 机器学习的基本原理
1.1.1 参数
1.1.2 学习和推理
1.2 数据表示和特征
1.3 度量距离
1.4 机器学习的类型
1.4.1 监督学习
1.4.2 无监督学习
1.4.3 强化学习
1.4.4 元学习
1.5 TensorFlow
1.6 后续各章概述
小结
第2章 TensorFlow必备知识
2.1 确保TensorFlow工作正常
2.2 表示张量
2.3 创建运算
2.4 在会话中执行运算
2.5 将代码理解为图
2.6 在Jupyter中编写代码
2.7 使用变量
2.8保存和加载变量
2.9 使用TensorBoard可视化数据
2.9.1 实现移动平均
2.9.2 可视化移动平均
2.10 把所有综合到一起：TensorFlow系统架构和API
小结
第二部分 核心学习算法
第3章 线性回归及其他
3.1 形式化表示
3.2 线性回归
3.3多项式模型
……
第三部分 神经网络范式
附录 安装说明