第二部分　深入浅出TensorFlow.js

第一部分介绍了一些重要的基本概念，第二部分将结合TensorFlow.js，以实战的方式深入了解机器学习。第2章介绍了机器学习任务中的“回归”，也就是预测一个数字。我们从这个简单的示例入手，然后逐渐过渡到更复杂的任务，例如第3章和第4章中的二分类和多分类问题。随着任务类型变得复杂，所接触的数据也会从最开始简单的数据（一维数组）过渡到更复杂的类型（图像和音频）。这里会根据具体的问题和解决这些问题的代码，辅助讲解机器学习方法背后的数学理论，比如反向传播算法。另外，讲解过程中将尽量使用避免数学证明，而是使用更直观的解释、图表和伪代码。第5章讨论了迁移学习，即一种将预训练的神经网络复用到新数据的高效方法，尤其适用于浏览器环境中的深度学习。