新增了七个教程：

• TensorFlow 和 Keras 应用开发入门
  • 零、前言
  • 一、神经网络和深度学习简介
  • 二、模型架构
  • 三、模型评估和优化
  • 四、产品化
• TensorFlow 图像深度学习实用指南
  • 零、前言
  • 一、机器学习工具包
  • 二、图片数据
  • 三、经典神经网络
• Python 元学习实用指南
  • 零、前言
  • 一、元学习导论
  • 二、使用连体网络的人脸和音频识别
  • 三、原型网络及其变体
  • 四、使用 TensorFlow 的关系和匹配网络
  • 五、记忆增强神经网络
  • 六、MAML 及其变体
  • 七、元 SGD 和 Reptile
  • 八、作为优化目标的梯度一致性
  • 九、最新进展和后续步骤
  • 十、答案
• Python 强化学习实用指南
  • 零、前言
  • 一、强化学习导论
  • 二、OpenAI 和 TensorFlow 入门
  • 三、马尔可夫决策过程与动态规划
  • 四、用于游戏的蒙特卡洛方法
  • 五、时间差异学习
  • 六、多臂老丨虎丨机问题
  • 七、深度学习基础
  • 八、深度 Q 网络和 Atari 游戏
  • 九、用深度循环 Q 网络玩《毁灭战士》
  • 十、异步优势演员评论家网络
  • 十一、策略梯度和优化
  • 十二、Capstone 项目 – 将 DQN 用于赛车
  • 十三、最新进展和后续步骤
  • 十四、答案
• Python 智能项目
  • 零、前言
  • 一、人工智能系统的基础
  • 二、迁移学习
  • 三、神经机器翻译
  • 四、使用 GAN 的时尚行业样式迁移
  • 五、视频字幕应用
  • 六、智能推荐系统
  • 七、电影评论情感分析移动应用
  • 八、用于客户服务的会话式 AI 聊天机器人
  • 九、使用强化学习的自主无人驾驶汽车
  • 十、深度学习视角的验证码
• 精通 Sklearn 和 TensorFlow 预测性分析
  • 零、前言
  • 一、回归和分类的集成方法
  • 二、交叉验证和参数调整
  • 三、使用特征
  • 四、人工神经网络和 TensorFlow 简介
  • 五、将 TensorFlow 和深度神经网络用于预测分析
• TensorFlow 2.0 的新增功能
  • 零、前言
  • 第 1 部分：TensorFlow 2.0 - 架构和 API 更改
    • 一、TensorFlow 2.0 入门
    • 二、Keras 默认集成和急切执行
  • 第 2 部分：TensorFlow 2.0 - 数据和模型训练管道
    • 三、设计和构建输入数据管道
    • 四、TensorBoard 的模型训练和使用
  • 第 3 部分：TensorFlow 2.0 - 模型推断和部署以及 AIY
    • 五、模型推理管道 - 多平台部署
    • 六、AIY 项目和 TensorFlow Lite
  • 第 4 部分：TensorFlow 2.0 - 迁移，总结
    • 七、从 TensorFlow 1.x 迁移到 2.0