本书共15章，分为五篇，第一篇说明深度学习的概念，包括数理基础；第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络；第三篇介绍CNN算法、影像应用、转移学习等；第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等；最后，介绍强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，还有相关案例实践。