TensorFlow 機器學習實用指南 Machine Learning Using TensorFlow Cookbook: Over 60 recipes on machine learning using deep learning solutions from Kaggle Masters and Google Developer

本書將教你如何使用TensorFlow進行複雜的數據計算，並會讓你比以往任何時候都深入地挖掘和獲得對數據的見解。
在本書的幫助下，你將學到訓練模型、模型評估、迴歸分析、表格資料、圖像以及文字處理和預測等內容。
你將使用版本的Google機器學習庫TensorFlow探索RNN、CNN、GAN和強化學習。
透過實際範例，你將獲得使用TensorFlow解決各種數據問題和技術的實際經驗。
 一旦你熟悉並適應了TensorFlow生態系統，你將會看到如何將它投入生產。
讀完本書，你將會熟練使用TensorFlow 2.x進行機器學習，
也將對深度學習有很好的見解，並且能夠在現實場景中實現機器學習演算法。
本書可作為資料科學家、機器學習開發人員、
深度學習研究人員和具有基本統計背景的希望使用神經網路並發現TensorFlow結構及其新特性的開發人員的參考書。
如果你想要充分利用本書，就需要掌握Python程式語言的相關知識。

第1章TensorFlow 2.x入門
1.1 TensorFlow如何運作
1.2 宣告變數與張量
1.3 使用eager execution
1.4 使用矩陣
1.5 宣告操作
1.6 使用啟動函數
1.7 使用資料來源
1.8 其他資源
第2章TensorFlow操作
2.1 使用eager execution
2.2 分層嵌套操作
2.3 使用多個層
2.4 實現損失函數
2.5 實現反向傳播
2.6 使用批量和隨機訓練
2.7 結合所有內容
第3章Keras
3.1 概述
3.2 理解Keras層
3.3 使用Keras Sequential API
3.4 使用Keras Functional API
3.5 使用Keras Subclassing API
3.6 使用Keras Preprocessing API
第4章線性迴歸
4.1 學習利用TensorFlow進行線性迴歸
4.2 將Keras模型轉換為Estimator
4.3 理解線性迴歸中的損失函數
4.4 實作Lasso與Ridge迴歸
4.5 訴諸邏輯迴歸
4.6 訴諸邏輯迴歸
4.非線性解決方案
4.7 使用Wide&Deep模型
第5章增強樹
第6章神經網路
6.1 實現操作門
6.2 使用閘和激活函數
6.3 使用單層神經網路
6.4 實現不同的層
6.5 使用多層網路
6.6 改進線性模型的預測
6.7 學習玩Tic-Tac-Toe遊戲
第7章使用表格資料進行預測
7.1 處理數值資料
7.2 處理日期
7.3 處理分類資料
7.4 處理序列資料
7.5 處理高基數分類資料
7.6 連接所有操作
7.7 建立一個資料產生器
7.8 為表格資料創建自訂激活
7.9 對難題進行測試
第8章卷積神經網路
8.1 介紹
8.2 實現簡單的CNN
8.3 實現先進的CNN
8.4 重新訓練現有的CNN模型
8.5 應用StyleNet和神經式項目
8.6 實現DeepDream
第9章遞歸神經網路
9.1 文本生成
9.2 情緒分類
9.3 股票價格預測
9.4 Open-domain問答
9.5 總結
第10章Transformer
10.1 文本生成
10.2 情感分析
10.3 Open-domain問答第ll章使用TensorFlow和TF-Agent進行情感分析10.3 Open-domain問答
第ll章使用TensorFlow和TF-Agent進行情感分析
11.1 強化
11.2 CartPole
11.3 多臂老虎機問題
第12章TensorFlow的應用
12.1 在TensorBoard中的可視化
12.2 使用TensorBoard的HParams管理超參數優化
12.3 實現單元測試 12.4
使用多個執行程序 12.5
平行化 TensorFlow服務