參考資料與推薦閱讀

如果你希望更具實踐性的內容，推薦以下書籍：. Python 機器學習 . 博碩出版社，2016. TensorFlow+Keras 深度學習人工智慧實務應用 . 博碩出版社，2018. 简单粗暴TensorFlow2 0.4 目录 推荐序 前言 TensorFlow概述 基础 TensorFlow安装与环境配置 TensorFlow基础 TensorFlow模型建立与训练 TensorFlow常用模块 部署 TensorFlow模型导出 TensorFlowServing TensorFlowLite（Jinpeng） TensorFlowinJavaScript（Huan） 大规模训练与加速 TensorFlow分布式训练 使用TPU训练TensorFlow模型（Huan） 扩展 TensorFlowHub模型复用（Jinpeng） TensorFlowDatasets数据集载入 SwiftforTensorFlow(S4TF)(Huan） TensorFlowQuantum:混合量子-经典机器学习* 附录 强化学习简介 使用Docker部署TensorFlow环境 在云端使用TensorFlow 部署自己的交互式Python开发环境JupyterLab 参考资料与推荐阅读 术语中英对照表 目錄 前言 TensorFlow概述 基礎 TensorFlow安裝與環境配置 TensorFlow基礎 TensorFlow模型建立與訓練 TensorFlow常用模組 部署 TensorFlow模型匯出 TensorFlowServing TensorFlowLite（Jinpeng） TensorFlowinJavaScript（Huan） 大規模訓練與加速 TensorFlow分布式訓練 使用TPU訓練TensorFlow模型（Huan） 擴展 TensorFlowHub模型複用（Jinpeng） TensorFlowDatasets資料集載入 SwiftforTensorFlow(S4TF)(Huan） TensorFlowQuantum:混合量子-經典機器學習* 附錄 強化學習簡介 使用Docker部署TensorFlow環境 在雲端使用TensorFlow 部署自己的互動式Python開發環境JupyterLab 參考資料與推薦閱讀 專有名詞中英對照表 Preface Preface TensorFlowOverview Basic InstallationandEnvironmentConfiguration TensorFlowBasic ModelConstructionandTraining CommonModulesinTensorFlow Deployment TensorFlowModelExport TensorFlowServing Large-scaleTraining DistributedtrainingwithTensorFlow Extensions TensorFlowDatasets:Ready-to-useDatasets TensorFlowQuantum:HybridQuantum-classicalMachineLearning* 简单粗暴TensorFlow2 » 參考資料與推薦閱讀 查看页面源码 參考資料與推薦閱讀¶ 本書是一本TensorFlow技術手冊，並不包含太多關於機器學習/深度學習的理論知識。

然而一本好的機器學習入門資料仍然對TensorFlow技術的理解至關重要。

對於希望入門機器學習/深度學習原理的讀者，筆者給出（具有個人主觀色彩和局限的）以下閱讀建議。

如果你是一名在校大學生，具有較好的數學基礎，可以從以下教材入手，作為學習機器學習的起點： 統計學:中文統計3.0(附光碟1片)：統計學的學習地圖和電腦應用）.東華出版社，2012. 深度學習入門教室:6堂基礎課程+Python實作練習，DeepLearning、人工智慧、機器學習的理論和應用全圖解.臉譜出版社，2019. 邱錫鵬.神經網絡與深度學習.機械工業出版社,2020.（有在線版本可閱讀） 如果你希望更具實踐性的內容，推薦以下書籍： Python機器學習.博碩出版社，2016. TensorFlow+Keras深度學習人工智慧實務應用.博碩出版社，2018. 如果你對大學的知識已經生疏，或者還是高中生，推薦首先閱讀以下教材： 人工智慧導論.全華圖書出版社，2019. 對於貝葉斯的視角，推薦以下入門書籍： Davidson-pilon,Cameron.ProbabilisticProgrammingandBayesianMethodsforHackers.Addison-WesleyProfessional，2015. 如果你喜歡相對生動的視頻講解，可以參考以下公開課程： 台灣大學李宏毅教授的《機器學習》課程（講義點此，中文，講解生動且更新及時） 谷歌的《機器學習速成課程》（內容已全部漢化，注重實踐） AndrewNg的《機器學習》課程（英文含字幕，經典課程，較偏理論，網絡上可搜索到很多課程筆記）