墨攻科技，安全數(shù)據(jù)布道者<br>

簡書上的TF學習平臺撩独，歡迎TF boys各種TensorFlow相關技術貼投稿敞曹，愿知識共享的力量幫助大家共同進步！

這是一個面向沒有基礎的非專業(yè)人士的專輯，是一個人人都能看懂的Tensorflow指南剧劝。未來每個人都是要和AI打交道的橄登，而Tensorflow是AI的底層建筑。人工智能從這個專輯開始讥此。

我以官方文檔為主線萄喳，開始對TensorFlow的學習面褐。這期間會把我的理解進行持續(xù)的輸出，作為《TensorFlow從0到N》系列取胎。 它不會止于翻譯和筆記展哭，不會停留在語言和工具，而是堅持通過啟發(fā)性的方式闻蛀，循序漸進的構建理解匪傍，搭建一個堅實可靠的、連接“零基礎”與“人工智能（AI）/機器學習（Machine Learning）/深度學習（Deep Learning）”領域之間的緩坡道觉痛。

本專題招募管理員薪棒，有意向請簡信私聊手蝎，謝謝！ 用來分享機器學習俐芯，深度學習棵介，神經網絡，計算機視覺等領域的一些技術吧史。 Machine Learning 學習資料：http://www.reibang.com/p/e0238db24973 相關參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學習與神經網絡(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機器學習”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流邮辽，相互學習！

變得更好才配遇見你