Chapter 01 텐서플로우 기초
　1.1 텐서플로우 개요
　1.2 텐서플로우 프로그램 모델 소개
　　1.2.1 핵심 개념
　　1.2.2 구현 원리
　　1.2.3 기능 확장
　　1.2.4 성능 최적화

Chapter 02 텐서플로우와 기타 딥러닝 프레임워크 비교
　2.1 주요 딥러닝 프레임워크 비교
　2.2 주요 딥러닝 프레임워크 소개
　　2.2.1 텐서플로우
　　2.2.2 카페(Caffe)
　　2.2.3 테아노(Theano)
　　2.2.4 토치(Torch)
　　2.2.5 라자냐(Lasagne)
　　2.2.6 케라스(Keras)
　　2.2.7 엠엑스넷(MXNet)
　　2.2.8 DIGITS(Deep Learning GPU Training System)
　　2.2.9 CNTK(Computational Network Toolkit)
　　2.2.10 Deeplearning4J
　　2.2.11 체이너(Chainer)
　　2.2.12 리프(Leaf)
　　2.2.13 DSSTNE(Deep Scalable Sparse Tensor Network Engine)

Chapter 03 텐서플로우 첫걸음
　3.1 텐서플로우 컴파일 및 설치
　　3.1.1 Anaconda 설치
　　3.1.2 텐서플로우 CPU 버전 설치
　　3.1.3 텐서플로우 GPU 버전 설치
　3.2 텐서플로우에 의한 Softmax Regression의 필기 숫자 인식 구현

Chapter 04 텐서플로우에 의한 오토인코더 및 멀티 레이어 퍼셉트론 구현
　4.1 오토인코더(Autoencoder) 소개
　4.2 텐서플로우에 의한 오토인코더 구현
　4.3 멀티 레이어 퍼셉트론(MLP) 소개
　4.4 텐서플로우에 의한 멀티 레이어 퍼셉트론 구현

Chapter 05 텐서플로우에 의한 컨벌루션 신경망 구현
　5.1 컨벌루션 신경망 소개
　5.2 텐서플로우에 의한 간단한 컨벌루션 네트워크 구현
　5.3 텐서플로우에 의한 고급 컨벌루션 네트워크 구현

Chapter 06 텐서플로우에 의한 전형적인 컨벌루션 신경망 구현
　6.1 텐서플로우에 의한 AlexNet 구현
　6.2 텐서플로우에 의한 VGGNet 구현
　6.3 텐서플로우에 의한 구글 인셉션 Net 구현
　6.4 텐서플로우에 의한 ResNet 구현
　6.5 컨벌루션 신경망의 발전 추세

Chapter 07 텐서플로우에 의한 순환 신경망 및 Word2Vec 구현
　7.1 텐서플로우에 의한 Word2Vec 구현
　7.2 텐서플로우에 의한 LSTM에 기초한 언어 모델을 구현
　7.3 텐서플로우에 의한 Bidirectional LSTM Classifier 구현

Chapter 08 텐서플로우에 의한 심층 강화학습 구현
　8.1 심층 강화학습(Deep reinforcement learning, RL) 소개
　8.2 텐서플로우에 의한 전략 네트워크 구현
　8.3 텐서플로우에 의한 평가 네트워크 구현

Chapter 09 텐서보드, 멀티 GPU 병렬성 및 분산 병렬성
　9.1 텐서보드(TensorBoard)
　9.2 다중 GPU 병렬성(또는 멀티 GPU 병렬성)
　9.3 분산 병렬성(또는 분산식 병렬성 / 분산 병렬 처리)

Chapter 10 TF.Learn 입문부터 숙달까지
　10.1 분산식 에스티메이터(Estimator)
　　10.1.1 분산식 에스티메이터 사용자 정의 모델 소개
　　10.1.2 자신의 러닝머신 에스티메이터 구축
　　10.1.3 RunConfig 런타임 매개변수 조정
　　10.1.4 Experiment와 LearnRunner
　10.2 딥러닝 에스티메이터
　　10.2.1 심층 신경망(DNN)
　　10.2.2 와이드 앤 딥 모델(Wide & Deep Model)
　10.3 머신러닝 에스티메이터(Machine Learning Estimator)
　　10.3.1 선형(Linear) / 로지스틱 회귀(Logistic Regression)
　　10.3.2 랜덤 포레스트(Random Forest)
　　10.3.3 K-평균 군집화(K-means clustering)
　　10.3.4 서포트 벡터 머신(Support Vector Machine)
　10.4 데이터 프레임(DataFrame)
　10.5 수퍼바이저 모니터(Supervisor Monitors)

Chapter 11 TF.Contrib의 기타 모듈
　11.1 통계 분포
　11.2 레이어 모듈
　　11.2.1 머신러닝 레이어
　　11.2.2 손실함수
　　11.2.3 특징 열(Feature Column)
　　11.2.4 임베딩(Embeddings)
　11.3 성능분석기 tfprof