本书首先讲解深度学习和TensorFlow 2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，最后通过对生成对抗网络和强化学习知识的讲解，带领读者精通深度学习。
本书适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为大专院校计算机专业师生的学习用书和培训学校的教材。

第1章 环境配置
1.1 云Notebook环境简介
1.2 本地Notebook环境准备
1.2.1 搭建Python环境
1.2.2 创建虚拟环境
1.2.3 安装JupyterLab
1.3 安装TensorFlow
1.4 本书的代码规范
本章小结
第2章 常见工具介绍
2.1 NumPy
2.1.1 创建数组
2.1.2 数组索引
2.1.3 数组切片
2.1.4 数学计算
2.1.5 神经网络的数据表示
2.2 Pandas
2.2.1 读取数据
2.2.2 探索数据
2.2.3 过滤数据
2.2.4 应用方法
2.2.5 重构数据
2.2.6 保存数据
2.3 Matplotlib
2.3.1 简单的图形
2.3.2 子图
2.3.3 直方图
2.3.4 标题、标签和图例
2.3.5 三维图形
2.3.6 结合Pandas使用
本章小结
第3章 从零开始搭建神经网络
3.1 构建神经元
3.2 搭建神经网络
3.3 前向传播例子
3.4 训练神经网络
3.4.1 损失
3.4.2 损失计算实例
3.5 优化神经网络
3.6 随机梯度下降
3.7 完整的代码实现
本章小结
第4章 深度学习基础
4.1 基础概念
4.1.1 神经元
4.1.2 神经网络
4.1.3 损失函数
4.1.4 神经网络训练
4.1.5 深度学习的主要术语
4.1.6 深度学习的4个分支
4.2 评估深度学习模型
4.2.1 简单的留出验证
4.2.2 K折交叉验证
4.2.3 随机重复K折交叉验证
……
第5章 泰坦尼克号幸存者预测
第6章 TensorFlow 2介绍
第7章 图像识别入门
第8章 图像识别进阶
第9章 图像风格迁移
第10章 自然语言处理入门
第11章 语音助手意图分类
第12章 自然语言生成实战
第13章 中文实体识别实战
第14章 生成对抗网络
第15章 强化学习
第16章 部署模型