本书旨在利用TensorFlow针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖10个实践项目，如用目标检测API标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测Quora数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的TensorFlow环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）。
本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。

阿尔贝托·博斯凯蒂（Alberto Boschetti），数据科学家、信号处理和统计学方面的专家。他拥有通信工程专业博士学位，现在伦敦居住和工作。他主要从事自然语言处理、行为分析、机器学习和分布式处理等方面的挑战性工作。他对工作充满激情，经常参加学术聚会、研讨会及其他学术活动，紧跟数据科学技术发展的前沿。

第1章 用卷积神经网络识别交通标志
1.1 数据集
1.2 卷积神经网络
1.3 图像预处理
1.4 训练模型并进行预测
1.5 后续问题
1.6 小结
第2章 用目标检测API标注图像
2.1 微软常见物体数据集
2.2 TensorFlow的目标检测API
2.3 展示项目计划
2.3.1 为项目搭建合适的开发环境
2.3.2 protobuf编译
2.4 准备项目代码
2.4.1 一些简单应用
2.4.2 网络摄像头实时检测
2.5 致谢
2.6 小结
第3章 图像的描述生成
3.1 什么是描述生成
3.2 探索图像描述数据集
3.3 把单词转换为词嵌入
3.4 描述图像的方法
3.4.1 条件随机场
3.4.2 基于卷积神经网络的循环神经网络
3.4.3 描述排序
3.4.4 密集描述
3.4.5 循环神经网络描述
3.4.6 多模态描述
3.4.7 基于注意力机制的描述
3.5 实现描述生成模型
3.6 小结
第4章 为生成条件图像构建GAN
4.1 GAN简介
4.1.1 对抗方式是关键
4.1.2 “寒武纪大爆发”
4.2 项目
4.2.1 数据集类
4.2.2 CGAN类
4.3 CGAN应用示例
4.3.1 MNIST
4.3.2 Zalando MNIST
4.3.3 EMNIST
4.3.4 重用经过训练的CGAN
4.4 使用AWS服务
4.5 致谢
4.6 小结
第5章 利用LSTM预测股票价格
5.1 输入数据集（余弦信号和股票价格）
5.2 格式化数据集
5.3 用回归模型预测股票价格
5.4 长短期记忆神经网络入门
5.5 利用LSTM进行股票价格预测
5.6 练习
5.7 小结
第6章 构建和训练机器翻译模型
6.1 机器翻译系统架构
6.2 语料库预处理
6.3 训练机器翻译模型
6.4 测试和翻译
6.5 练习
6.6 小结
第7章 训练能像人类一样讨论的聊天机器人
7.1 项目简介
7.2 输入语料库
7.3 创建训练集
7.4 训练聊天机器人
7.5 聊天机器人API
7.6 练习
7.7 小结
第8章 检测Quora数据集中的重复问题
8.1 展示数据集
8.2 基础特征工程
8.3 创建模糊特征
8.4 借助TF-IDF和SVD特征
8.5 用Word2vec嵌入映射
8.6 测试机器学习模型
8.7 搭建TensorFlow模型
8.8 构建深度神经网络之前所做的处理
8.9 深度神经网络的构建模块
8.10 设计学习架构
8.11 小结
第9章 用TensorFlow构建推荐系统
9.1 推荐系统
9.2 推荐系统下的矩阵分解
9.2.1 数据集准备和基准
9.2.2 矩阵分解
9.2.3 隐式反馈数据集
9.2.4 基于SGD的矩阵分解
9.2.5 贝叶斯个性化排序
9.3 面向推荐系统的RNN
9.3.1 数据集准备和基准
9.3.2 用TensorFlow构建RNN模型
9.4 小结
第10章 基于强化学习的电子游戏
10.1 关于游戏
10.2 OpenAI版游戏
10.3 在Linux（Ubuntu 14.04或16.04）上安装OpenAI Gym
10.4 通过深度学习探索强化学习
10.4.1 深度Q-learning技巧
10.4.2 理解深度Q-learning的局限性
10.5 启动项目
10.5.1 定义人工智能大脑
10.5.2 为经验回放创建记忆
10.5.3 创建智能体
10.5.4 指定环境
10.5.5 执行强化学习过程
10.6 致谢
10.7 小结