"TensorFlow 改變了機器學習的應用方式。本書告訴開發人員如何利用 TensorFlow 在各種實際項目中的優勢—簡單性、高效性和靈活性。在本書的幫助下，開發人員不僅可以學習如何使用不同的數據集構建高級項目，還可以使用 TensorFlow 生態繫統中的一繫列庫來解決常見問題。"

●第1章  TensorFlow和機器學習概述 11.1  關於 TensorFlow 11.2  TensorFlow 核心 API 21.3  計算圖 111.4  機器學習、分類和邏輯回歸 181.5  使用 TensorFlow 進行邏輯回歸 211.6  使用 Keras 進行邏輯回歸 241.7  小結 261.8  問題 261.9  延伸閱讀 26第2章  利用機器學習探測外太空中的繫外行星 272.1  關於決策樹 272.2  集成學習的必要性 282.3  基於決策樹的集成方法 292.4  TensorFlow 中基於決策樹的集成 322.5  探測外太空的繫外行星 342.6  建立用於繫外行星探測的 TFBT 模型 382.7  小結 422.8  問題 422.9  延伸閱讀 43第3章  使用TensorFlow.js在瀏覽器中進行情感分析 443.1  理解 TensorFlow.js 453.2  理解 Adam 優化 463.3  理解分類交叉熵損失 463.4  理解單詞嵌入 473.5  構建情感分析模型 483.6  使用 TensorFlow.js 在瀏覽器中運行模型 513.7  小結 553.8  問題 55第4章  使用TensorFlow Lite進行數字分類 564.1  關於 TensorFlow Lite 564.2  分類模型評估指標 584.3  使用 TensorFlow Lite 對數字進行分類 594.4  小結 694.5  問題 70第5章  使用NLP進行從語音到文本的轉換和主題的提取 715.1  關於 Speech-to-Text 框架和工具包 715.2  Google 語音命令數據集 725.3  神經網絡架構 735.4  訓練模型 745.5  小結 775.6  問題 775.7  延伸閱讀 77第6章  使用高斯過程回歸預測股票價格 796.1  理解貝葉斯規則 796.2  貝葉斯推理 806.3  高斯過程 816.4  將高斯過程應用於股市預測 846.5  創建股票價格預測模型 866.6  理解獲得的結果 896.7  小結 996.8  問題 99第7章  使用自動編碼器進行信用卡欺詐檢測 1007.1  理解自動編碼器 1007.2  構建欺詐檢測模型 1017.3  小結 1117.4  問題 111第8章  使用貝葉斯神經網絡生成交通標志分類器中的不確定性 1128.1  理解貝葉斯深度學習 1128.2  神經網絡中的貝葉斯規則 1138.3  理解 TensorFlow Probability、變分推斷和蒙特卡羅方法 1148.4  構建貝葉斯神經網絡 1168.5  定義、培訓和測試模型 1188.6  小結 1298.7  問題 130第9章  使用DiscoGAN從鞋子圖像生成匹配的手提包圖像 1319.1  理解生成模型 1319.2  理解 DiscoGAN 1359.3  構建 DiscoGAN 模型 1399.4  小結 1489.5  問題 149第10章  使用膠囊網絡對服裝圖像進行分類 15010.1  理解膠囊網絡的重要性 15010.2  理解膠囊 15110.3  動態路由算法 15310.4  用於對 Fashion MNIST 圖像進行分類的膠囊網絡 15610.5  訓練和測試模型 16010.6  重建樣本圖像 16710.7  膠囊網絡的局限性 16910.8  小結 170第11章  使用TensorFlow制作商品推薦繫統 17211.1  推薦繫統 17211.2  基於內容的過濾 17311.3  協同過濾 17411.4  混合繫統 17411.5  矩陣分解 17511.6  Retailrocket 數據集簡介 17511.7  Retailrocket 數據集深入探究 17611.8  預處理數據 17711.9  Retailrocket 數據集推薦繫統的矩陣分解模型 17811.10  Retailrocket 數據集推薦繫統的神經網絡模型 18111.11  小結 18311.12  問題 18311.13  延伸閱讀 183第12章  使用TensorFlow進行大規模的對像檢測 18412.1  Apache Spark 簡介 18512.2  理解分布式 TensorFlow 18612.3  理解 TensorFlowOnSpark 19112.4  使用 TensorFlowOnSpark 和 Sparkdl 進行對像檢測 19712.5  小結 202第13章  使用LSTM生成圖書腳本 20413.1  理解循環神經網絡 20413.2  預處理數據 20513.3  定義模型 20713.4  訓練模型 20813.5  定義和訓練文本生成模型 20813.6  生成圖書腳本 21413.7  小結 21713.8  問題 217第14章  使用深度強化學習玩《喫豆人》遊戲 21814.1  強化學習 21914.2  強化學習與監督學習和無監督學習的對比 21914.3  強化學習的組成部分 22014.4  OpenAI Gym 工具包 22014.5  在 OpenAI Gym 中創建《喫豆人》遊戲 22214.6  用於深度強化學習的 DQN 22414.7  將 DQN 應用於遊戲 22514.8  小結 23014.9  延伸閱讀 230第15章  在生產環境中部署機器學習模型 23115.1  在生產環境中實現 TensorFlow 23115.2  建立 AI 應用程序的建議 23715.3  深度學習的局限性 23815.4  AI 在行業中的應用 23815.5  AI 中的倫理道德考慮因素 23915.6  小結 240

本書詳細闡述了與TensorFlow項目開發相關的基本解決方案，主要包括TensorFlow和機器學習概述、利用機器學習探測外太空中的繫外行星、情感分析、數字分類、語音到文本的轉換、預測股票價格、信用卡欺詐檢測、貝葉斯深度學習、圖像匹配和分類、推薦繫統、大規模對像檢測、生成圖書腳本、深度強化學習與遊戲、部署機器學習模型等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。本書既可作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。

TensorFlow 改變了機器學習的應用方式。本書告訴開發人員如何利用 TensorFlow 在各種實際項目中的優勢—簡單性、高效性和靈活性。在本書的幫助下，開發人員不僅可以學習如何使用不同的數據集構建高級項目，還可以使用 TensorFlow 生態繫統中的一繫列庫來解決常見問題。首先，開發人員將了解如何使用 TensorFlow 進行機器學習項目。我們將介紹使用 TensorForest 和 TensorBoard 檢測繫外行星、使用 TensorFlow.js 進行情感分析、使用 TensorFlow Lite 進行數字分類等項目。當開發人員閱讀本書時，將可以在各種現實領域中構建項目，包括自然語言處理（Natural Language Processing，NLP）、高斯過程（Gaussian Process）、自動編碼器（Autoencoder）、推薦繫統（Recommen等