本課程用通俗易懂的範例，系統講解了Tensorflow2.0的使用，是目前比較簡明易懂、最新最系統的 Tensorflow 2.0 教學，沒有之一。
TensorFlow™是一個基於資料流程式設計（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）演演算法的程式設計實現，其前身是谷歌的神經網路演演算法庫DistBelief 。
Tensorflow擁有多層級結構，可部署於各類伺服器、PC終端和網頁並支援GPU和TPU高效能數值計算，被廣泛應用於谷歌內部的產品開發和各領域的科學研究 。
TensorFlow由谷歌人工智慧團隊谷歌大腦（Google Brain）開發和維護，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個專案以及各類應用程式介面（Application Programming Interface, API） 。
自2015年11月9日起，TensorFlow依據阿帕奇授權協定（Apache 2.0 open source license）開放原始碼
TensorFlow 提供多個抽象級別，因此您可以根據自己的需求選擇合適的級別。您可以使用高階 Keras API 構建和訓練模型，該 API 讓您能夠輕鬆地開始使用 TensorFlow 和機器學習。
如果您需要更高的靈活性，則可以藉助即刻執行環境進行快速迭代和直觀的偵錯。對於大型電腦器學習訓練任務，您可以使用 Distribution Strategy API 在不同的硬體設定上進行分散式訓練，而無需更改模型定義。
TensorFlow 始終提供直接的生產途徑。不管是在伺服器、邊緣裝置還是網路上，TensorFlow 都可以助您輕鬆地訓練和部署模型，無論您使用何種語言或平臺。
如果您需要完整的生產型機器學習流水線，請使用 TensorFlow Extended (TFX)。要在移動裝置和邊緣裝置上進行推斷，請使用 TensorFlow Lite。請使用 TensorFlow.js 在 JavaScript 環境中訓練和部署模型。
構建和訓練先進的模型，並且不會降低速度或效能。藉助 Keras Functional API 和 Model Subclassing API 等功能，TensorFlow 可以助您靈活地建立複雜拓撲並實現相關控制。為了輕鬆地設計原型並快速進行偵錯，請使用即刻執行環境。
TensorFlow 還支援強大的附加庫和模型生態系統以供您開展實驗，包括 Ragged Tensors、TensorFlow Probability、Tensor2Tensor 和 BERT。