第二部分　深入淺出TensorFlow.js

第一部分介紹了一些重要的基本概念，第二部分將結合TensorFlow.js，以實戰(zhàn)的方式深入了解機器學習。第2章介紹了機器學習任務中的“回歸”，也就是預測一個數(shù)字。我們從這個簡單的示例入手，然后逐漸過渡到更復雜的任務，例如第3章和第4章中的二分類和多分類問題。隨著任務類型變得復雜，所接觸的數(shù)據(jù)也會從最開始簡單的數(shù)據(jù)（一維數(shù)組）過渡到更復雜的類型（圖像和音頻）。這里會根據(jù)具體的問題和解決這些問題的代碼，輔助講解機器學習方法背后的數(shù)學理論，比如反向傳播算法。另外，講解過程中將盡量使用避免數(shù)學證明，而是使用更直觀的解釋、圖表和偽代碼。第5章討論了遷移學習，即一種將預訓練的神經網絡復用到新數(shù)據(jù)的高效方法，尤其適用于瀏覽器環(huán)境中的深度學習。