隨著AI技術的普及，如何快速理解、掌握並應用AI技術，成為絕大多數程序員亟需解決的問題。

本書基於Keras框架並以代碼實現為核心，詳細解答程序員學習AI算法時的常見問題，對機器學習、深度神經網絡等概念在實際項目中的應用建立清晰的邏輯體系。

本書分為上下兩篇，上篇（第1～4章）可幫助讀者理解並獨立開發較簡單的機器學習應用，下篇（第5～9章）則聚焦於AI技術的三大熱點領域：推薦系統、自然語言處理（NLP）及圖像處理。

其中，第1章通過具體實例對Keras的機器學習實現進行快速介紹並給出整體概念；

第2章從簡單的神經元開始，以實際問題和代碼實現為引導，逐步過渡到多層神經網絡的具體實現上，從代碼層面講解神經網絡的工作模式；

第3章講解Keras的核心概念和使用方法，幫助讀者快速入門Keras；

第4章講解機器學習中的常見概念、定義及算法；

第5章介紹推薦系統的常見方案，包括協同過濾的不同實現及Wide＆Deep模型等；

第6章講解循環神經網絡（RNN）的原理及Seq2Seq、Attention等技術在自然語言處理中的應用；

第7～8章針對圖像處理的分類及目標識別進行深度討論，從代碼層面分析Faster RCNN及YOLO v3這兩種典型識別算法；

第9章針對AI模型的工程部署問題，引入TensorFlow Serving並進行介紹。

本書主要面向希望學習AI開發或者轉型算法的程序員，也可以作為Keras教材，幫助讀者學習Keras在不同領域的具體應用。