本文介绍Tensorflow中如何持久化（保存和加载）模型，以及持久化的工作原理和持久化所涉及的文件格式。并通过一个简单的加法实例，说明持久化的具体实现和工作机制。

本文介绍如何使用Tensorflow进行多线程预处理。首先介绍TFRecord格式，并介绍如何利用队列框架进行多线程数据预处理，最后介绍Tensorflow 1.3版之后推荐使用的数据集（Dataset）API。

当训练样本比较少，可以使用预先训练好的模型，也可以将预训练好的模型用来初始化。本文介绍如何使用Tensorflow进行迁移学习。

本文介绍如何使用Tensorflow对MNIST数据集进行手写字识别，涉及到神经网络优化技术：模型的正则化、模型的滑动平均、学习率衰减，也涉及到Tensorflow中的实用化技术：模型的持久化、断点继续训练。

本文介绍Tensorflow的基本知识，包括三要素：计算图、张量和会话。这部分是Tensorflow的基础。

本文应用Keras深度学习框架，利用PSTM循环神经网络生成音乐。

本文介绍如何使用循环神经网络生成字符级语言模型。分别使用python和keras建立文本生成模型。一个是用来给恐龙取名称，另一个是学莎士比亚作诗。第一个模型用基本的RNN神经元，第二个模型用PSTM神经元。通过这两个应用，验证循环神经网络在自然语言处理中的巨大潜力。

本章介绍如何使用PySpark进行数据检查、数据清洗、数据统计、数据可视化等工作，并使用一个较大规模的银行诈骗数据作为例子详细介绍这些工具的用法。

本文从预测婴儿生存几率这个例子出发，介绍PySpark中ML包在数据加载、数据转换、特征提取、机器学习算法等方面的功能。并介绍了逻辑回归、聚类、自然语言处理、主题提取等方面的应用。

本文介绍如何使用PySpark中的MLlib工具包进行数据加载、数据转换、特征分析、特征提取以及运行逻辑回归、随机森林算法，并介绍这些功能在预测婴儿存活率中的应用。