TensorFlow深度学习，从线性回归到强化学习的深度学习（TensorFlow for Deep Learning From Linear Regression to Reinforcement Learning），附页256页pdf

简介：

学习如何解决具有挑战性的机器学习问题与TensorFlow，谷歌的革命性的新软件库的深度学习。如果你有一些基本的线性代数和微积分的背景，这本实用的书介绍了机器学习的基本原理，通过向你展示如何设计系统来检测图像中的物体，理解文本，分析视频，并预测潜在药物的性能。

TensorFlow深度学习通过实际例子来教授概念，帮助你从头开始建立深度学习的基础知识。它是具有设计软件系统经验的实践开发人员的理想选择，对于熟悉脚本但不一定熟悉设计学习算法的科学家和其他专业人员也很有用。

目录：

• 深度学习介绍
• 介绍TensorFlow原语
• 编写更好的函数和类
• 线性和逻辑回归与TensorFlow
• 完全连接的深层网络
• Hyperparameter优化
• 卷积神经网络
• 循环神经网络
• 强化学习
• 训练大型深度网络
• 深度学习展望

作者：

Reza Bosagh Zadeh是Matroid的创始人兼首席执行官，也是斯坦福大学的兼职教授。他的工作重点是机器学习、分布式计算和离散应用数学。他曾在Databricks的技术咨询委员会任职，自2005年在谷歌的人工智能研究团队工作以来一直致力于人工智能研究。他的奖项包括KDD最佳论文奖和斯坦福大学Gene Golub杰出论文奖。个人主页：http://stanford.edu/~rezab/