建立智慧系統的概念、工具與技術 
 
　　深度學習經歷了一系列的突破之後，已經大幅推動了整個機器學習領域，如今，即使你對這項技術一無所知，也可以使用簡單、高效的工具，製作可從資料中學習的程式。這本暢銷書新版本使用具體的案例、精簡的理論，以及Python準生產框架，協助你直觀地認識智慧系統的概念與建構工具。 
 
　　你將學到可快速上手的技術，只要具備程式編寫經驗，就可以藉由各章的習題來學習。你可以在GitHub取得本書的所有程式碼，這些程式已經更新為TensorFlow 2，以及最新版的Scikit-Learn。 
 
　　‧使用Scikit-Learn與pandas，透過端對端專案建立機器學習基礎 
　　‧用TensorFlow 2建構與訓練許多神經網路架構，以進行分類及回歸 
　　‧探索物體偵測、語義分割、專注機制、語言模型、GAN等 
　　‧探索TensorFlow 2的官方高階API—Keras API 
　　‧使用TensorFlow的Data API、分散式策略API、TF Transform及TF-Serving將TensorFlow模型生產化 
　　‧在Google Cloud AI Platform或行動裝置上部署 
　　‧瞭解降維、分群及異常檢測等非監督學習技術 
　　‧用強化學習來建立自主學習代理程式(agent)，包括使用TF-Agents程式庫

讀者書評
 
　　“這是一本卓越的機器學習資源，有清楚、直觀的解說，以及大量實用技巧。” —— François Chollet（Keras作者，《Deep Learning with Python》作者 ）
 
　　“這本書詳細介紹以神經網路解決問題的理論與做法；建議想要實際運用ML的人都要看這本書。” —— Pete Warden （TensorFlow行動主管 ）

作者簡介
 
Aurélien Géron
 
　　Aurélien Géron 是機器學習顧問和教練。曾經在Google任職，在2013年至2016年是YouTube的影片分類團隊主管。他也是Wifirst創辦人(法國無線網際網路服務龍頭供應商)暨CTO(2002~2012)。

前言 

【第一部分 機器學習基本知識】 
chapter 01 機器學習領域 
chapter 02 端對端機器學習專案 
chapter 03 分類 
chapter 04 訓練模型 
chapter 05 支援向量機 
chapter 06 決策樹 
chapter 07 整體學習與隨機森林 
chapter 08 降維 
chapter 09 無監督學習技術 

【第二部分 神經網路與深度學習】 
chapter 10 以 Keras 介紹人工神經網路 
chapter 11 訓練深度神經網路 
chapter 12 用 TensorFlow 來自製模型和進行訓練 
chapter 13 使用 TensorFlow 來載入和預先處理資料 
chapter 14 使用摺積神經網路來製作深度電腦視覺 
chapter 15 使用 RNN 和 CNN 來處理序列 
chapter 16 用 RNN 與 Attention 處理自然語言 
chapter 17 使用自動編碼網路與 GAN 來進行表徵學習與生成學習 
chapter 18 強化學習 
chapter 19 大規模訓練與部署 TensorFlow 模型 

附錄 A 習題解答 
附錄 B 機器學習專案檢核表 
附錄 C SVM 對偶問題 
附錄 D Autodiff 
附錄 E 其他流行的 ANN 結構 
附錄 F 特殊資料結構 
附錄 G TensorFlow 圖 
索引