书籍信息
由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创的新书《TensorFlow实战》，即将由电子工业出版社发行。这是国内首本由Google TensorFlow团队官方推荐的教程，两位作者也均是TensorFlow开发者，其中唐源是TensorFlow开发团队的committer。本书结合了大量实例代码，深入浅出地介绍了如何使用TensorFlow创建各种深度学习模型，是初学者入门的最佳书籍。
《TensorFlow实战》
首著问世，Google TensorFlow研发团队内部推荐的中文教程
TensorFlow Contributor、Committer原创
TensorFlow工程研发总监Rajat Monga、深度学习领域泰斗颜水成等赞誉好评
作者：黄文坚、唐源
推荐理由
《TensorFlow实战》是由PPmoney大数据算法总监黄文坚和美国Uptake数据科学家唐源倾力原创。本书是Google TensorFlow研发团队内部推荐的教程，两位作者均是TensorFlow开发者，其中唐源是TensorFlow研发团队的Committer。本书结合了大量代码实例，深入浅出地介绍了如何使用TensorFlow。
代码基于TensorFlow 1.0版API
深度剖析如何用TensorFlow实现主流神经网络：
详述TensorBoard、多GPU并行、分布式并行等组件的使用方法
TF.Learn从入门到精通，TF.Contrib详解
内容提要
Google近日发布了TensorFlow 1.0候选版，这第一个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。
本书希望用最简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在本书中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning(Policy Network、Value Network)。此外，本书还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。本书希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。
读者对象
希望快速上手TensorFlow、了解深度学习技术及其应用实践的人士，以及机器学习、分布式计算领域的学生、从业者。特别是对正在学习深度学习技术，立志从事AI相关行业，成为数据科学家的人来说，本书更是非常实用的工具书。
作者简介
黄文坚，PPmoney大数据算法总监，负责集团的风控、理财、互联网证券等业务的数据挖掘工作。Google TensorFlow Contributor。前明略数据技术合伙人，领导了对诸多大型银行、保险公司、基金的数据挖掘项目，包括建立金融风控模型、新闻舆情分析、保险复购预测等。曾就职于阿里巴巴搜索引擎算法团队，负责天猫个性化搜索系统。曾参加阿里巴巴大数据推荐算法大赛，于7000多支队伍中获得前10名。本科、研究生就读于香港科技大学，曾在顶级会议和期刊SIGMOBILE MobiCom、IEEE Transactions on Image Processing发表论文，研究成果获美国计算机协会移动计算大会（MobiCom）最佳移动应用技术冠军，并获得两项美国专利和一项中国专利。
唐源，目前在芝加哥的Uptake公司带领团队建立用于多个物联网领域的数据科学引擎进行条件和健康监控，也建立了公司的预测模型引擎，现在被用于航空、能源等大型机械领域。一直活跃在开源软件社区，是TensorFlow和DMLC的成员，是TensorFlow、XGBoost、MXNet等软件的committer，TF.Learn、ggfortify等软件的作者，以及caret、pandas等软件的贡献者。曾获得谷歌Open Source Peer Bonus，以及多项高校和企业编程竞赛的奖项。在美国宾州州立大学获得荣誉数学学位，曾在本科学习期间成为创业公司DataNovo的核心创始成员，研究专利数据挖掘、无关键字现有技术搜索、策略推荐等。
媒体评论
谷歌TensorFlow工程研发总监Rajat Monga力荐：
“AI and Machine Learning are going to be a key part of our future. We made TensorFlow open source to bring these technologies to everyone and help move the world forward. This book is a great example of the TensorFlow community giving back to multiply everyone’s efforts. ”
360首席科学家，颜水成：
TensorFlow的开源对整个学术界及工业界都产生了巨大的影响，可以比做机器学习的Hadoop。本书涵盖了从多层感知机、CNN、RNN到强化学习等一系列模型的TensorFlow实现。在详尽地介绍算法和模型的细节的同时穿插实际的代码，对帮助读者快速建立算法和代码的联系大有助益。对入门TensorFlow和深度学习的研究者来说是一份非常好的学习材料。
北京大学计算机系教授 网络与信息系统研究所所长 崔斌：
TensorFlow是基于Computation Graph的机器学习框架，支持GPU和分布式，是目前最有影响力的开源深度学习系统。TensorFlow的工程实现非常优秀，拓展也非常灵活，对机器学习尤其是深度学习的推广大有裨益。本书结合了大量的实际例子，清晰地讲解了如何使用TensorFlow构筑常见的深度学习模型，可通读也可作为工具书查阅。在本书上市前，国内还没有介绍TensorFlow的技术书籍，推荐对TensorFlow或深度学习感兴趣的人士阅读此书。
PPmoney CTO 康德胜：
深度学习乃至人工智能正逐渐在FinTech领域发挥巨大的作用，其应用包括自动报告生成、金融智能搜索、量化交易和智能投顾。而TensorFlow为金融业方便地使用深度学习提供了可能。本书介绍了通过TensorFlow实现各类神经网络的案例，非常适合初学者快速入门。
格灵深瞳CTO 邓亚峰：
TensorFlow是Google开源的一套深度学习框架，已发展成为最主流的深度学习框架，目前在市面上没有看到关于TensorFlow的中文书籍出版。本书一方面一步步地介绍了TensorFlow的使用方法，使得没有使用过的人可以很快上手使用；另一方面，讲解了诸如卷积神经网络、循环神经网络、强化学习、自编码器等深度学习知识，使得不懂深度学习的人也可以入门。本书在介绍基本知识和原理的同时，用实例进行讲解，比较适合初学者学习使用TensorFlow及深度学习知识。
小米图像算法资深工程师 万韶华：
《TensorFlow实战》由浅入深，透过大量的代码实例，为读者揭开深度学习的层层面纱，加深理论理解的同时，也更好地联系了实际应用。
情人节送书啦！
如果你对TensorFlow感兴趣或者正在使用该门技术，欢迎留言评论，小编会从中选择3名用户免费赠送此书哦~
推荐指数：★★★★★
扫描二维码购买《TensorFlow实战》
