★成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。
　　★應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。
　　★實作快速上手：只需Python基礎，依照本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。

　　TensorFlow功能強大、執行效率高、支援各種平台，然而TensorFlow是低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras，Keras是高階的深度學習程式庫（以TensorFlow作為後端引擎），對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念與應用後，再來學習TensorFlow就很輕鬆了。

　　【在Windows安裝TensorFlow 1.0＋Keras2.0】
　　對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的TensorFlow 1.0＋Keras2.0。

　　【在Linux Ubuntu安裝TensorFlow 1.0＋Keras2.0】
　　因為Linux作業系統是大數據分析與機器學習很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的TensorFlow 1.0＋Keras2.0。

　　【使用GPU大幅加快深度學習訓練】
　　GPU的平行運算架構，可讓深度學習訓練比CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及TensorFlow GPU版本，就可以使用GPU大幅加快深度學習訓練。

　　【MNIST手寫數字影像辨識，可辨識0~9的手寫數字】
　　以實際範例說明，如何使用Keras與TensorFlow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。

　　【CIFAR-10照片影像物體辨識，可辨識10種物體】
　　以實際範例說明，如何使用Keras建構CNN（卷積神經網路）模型，可辨識照片類別：飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。

　　【預測鐵達尼號旅客生存機率】
　　以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。

　　【IMDb影評文字「自然語言處理」與「情緒分析」】
　　情緒分析的商業價值，在於透過文字分析，得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何運用Keras自然語言處理，並且建構MLP（多層感知器）、RNN（遞歸神經網路）、LSTM（長短期記憶）等模型，可以預測影評文字是正面或負面評價。