本书读者对象为：想学习深度学习算法的机器学习工程师、数据科学家、人工智能开发人员，以及有一定Python编程和机器学习经验，想进一步学习神经网络和深度学习技术的所有人。
本书以实践的形式详细介绍了从基础到高级的一些流行的深度学习算法，并通过TensorFlow对这些算法进行了编程实现。通过本书，读者将深入了解每一种算法、算法背后的数学原理，以及各种算法的实现方法。学完本书后，读者将具备在自己的项目中实现深度学习所需的技能。
1、构建自己的神经网络的方法及TensorFlow的使用方法。
2、梯度下降算法及变体的应用方法及编程实现，如 NAG、AMSGrad、Adadelta、Adam、Nadam 等。
3、循环神经网络RNN、卷积神经网络CNN和长短期记忆网络LSTM的工作原理。
4、卷积网络和胶囊网络的各种架构、背后的数学知识及在TensorFlow的编程实现。
5、如何让机器使用 CBOW、skip-gram 和 PV-DM 理解单词和文档的语义。
6、各种生成对抗网络GAN的使用方法，如InfoGAN和LSGAN，以及自动编码器，如收缩自动编码器、VAE 等。
