《Python深度学习（第2版）》系统地讲解了机器学习、深度学习、强化学习理论知识，揭秘了各种神经网络架构如卷积神经网络、循环神经网络、长短期记忆网络和胶囊网络背后的原理和实际应用；讲解了如何使用高性能的算法和常用的Python框架来进行训练，以及如何解决计算机视觉、自然语言处理和语音识别等领域的问题；还讲解了生成模型方法以及如何使用变分自编码器和生成式对抗网络来生成图像；最后深入研究强化学习的新发展领域，并介绍了一些优选热门游戏Go、Atari和Dota背后的算法。学习完本书，读者可以精通深度学习理论及其在现实世界中的应用。《Python深度学习（第2版）》一书面向数据科学从业者、机器学习工程师以及对深度学习感兴趣的读者，也适合作为高校计算机专业的教材使用。

第1章 机器学习导论
1.1 机器学习概述
1.2 机器学习算法
1.2.1 监督学习
1.线性回归和逻辑回归
2.支持向量机
3.决策树
4.朴素贝叶斯
1.2.2 无监督学习
K-means
1.2.3 强化学习
Q-learning
1.2.4 机器学习组件
1.3 神经网络
PyTorch简介
1.4 小结
第2章 神经网络
2.1 神经网络的重要性
2.2 神经网络概述
2.2.1 神经元概述
2.2.2 层概述
2.2.3 多层神经网络
2.2.4 不同类型的激活函数
2.2.5 综合案例
2.3 训练神经网络
2.3.1 线性回归
2.3.2 逻辑回归
2.3.3 反向传播
2.3.4 XOR函数的神经网络的代码示例
2.4 小结
第3章 深度学习基础
3.1 深度学习导论
3.2 深度学习的基本概念
3.3 深度学习算法
3.3.1 深度网络
当代深度学习简史
3.3.2 训练深度网络
3.4 深度学习的应用
3.5 深度学习流行的原因
3.6 流行的开源库
3.6.1 TensorFlow、Keras、PyTorch简介
1.TensorFlow
2.Keras
3.PyTorch
3.6.2 使用Keras对手写数字进行分类
3.6.3 使用Keras对物体图像进行分类
3.7 小结
第4章 基于卷积神经网络的计算机视觉
4.1 卷积神经网络的直观解释
4.2 卷积层
……
第5章 高级计算机视觉
第6章 使用VAE和GAN生成图像
第7章 循环神经网络和语言模型
第8章 强化学习理论
第9章 游戏深度强化学习
第10章 自动驾驶深度学习