第1章 AI與物件導向Python
1.1 AI思維簡史
1.2 Python語言與AI
1.3 如何安裝Python環境
1.4 開始撰寫 Python程式
1.5 物件導向(Object-Oriented)初步
1.6 軟體中的物件(Object)
1.7 物件與變數
1.8 物件與函數
1.9 自然界之類別
1.10 軟體之類別
第2章 Python之物件與類別
2.1 何謂OOP?
2.2 物件之概念
2.3 物件之分門別類
2.4 AKO抽象關係
2.5 物件行為與介面
第3章 擅用類別
3.1 如何描述物件：善用類別
3.2 如何誕生軟體物件
3.3 物件參考(Object Reference)
3.4 建構式(Constructor)
3.5 子類別如何誕生物件?
第4章 物件之組合
4.1 認識self參考值
4.2 建立物件之包含關係
4.2 self參考值之妙用
4.4 包容異質性物件
4.5 集合物件(Collection)
第5章 類別的封裝性
5.1 物件的封裝性
5.2 類別：創造物件封裝性
5.3 類別的私有屬性與函數
5.4 類別層級的屬性
5.5 類別層級的函數
第6章 類別繼承體系
6.1 繼承之意義
6.2 建立類別繼承體系
6.3 函數覆寫之意義
第7章 活用抽象類別
7.1 抽象類別與繼承體系
7.2 Python的抽象類別表示法
7.3 「抽象類別」衍生「具體類別」
7.4 抽象類別之妙用：預設行為
7.5 抽象類別之妙用：反向呼叫
第8章 發揮「多形性」
8.1 「多形性」之意義
8.2 多形函數
8.3 可覆寫(Overridable)之函數
第9章 如何設計抽象類別
9.1 抽象：抽出共同之現象
9.2 抽象之步驟
9.3 洞悉「變」與「不變」
9.4 著手設計抽象類別
第10章 介面與抽象類別
10.1介面之意義
10.2 以Python抽象類別實踐介面
10.3介面設計實例(一)：並聯電池物件
10.4介面設計實例(二)：串聯電池物件
10.3介面設計實例(三)：COR設計模式
第11章 不插電學AI
11.1 「不插電學AI」的意義
11.2 回顧AI發展的歷史
11.3 AlphaGo的驚人學習能力
11.4 範例：一隻老鼠的探索及學習
11.5 記錄老鼠的探索選擇及結果
11.6 老鼠當教練：訓練AI機器人
第12章 撰寫單層的Perceptron程式
12.1 開始「插電學AI」：使用Python
12.2 展開第1筆資料的訓練
12.3 進行更多筆資料的訓練
12.4 加入學習率(Learning Rate)
12.5 增添一個Training類別
15.6 一個更周詳的Perceptron程式碼
第13章 使用 TensorFlow
13.1 簡介TensorFlow
13.2 安裝TensorFlow環境
13.3 開始使用TensorFlow
13.4 展開第1回合的訓練
13.5 展開100回合更周全的訓練
13.6 設計Perceptron類別
13.7 採用TensorFlow的損失函數
13.8 撰寫多層Perceptron程式
第14章 TensorFlow應用範例
14.1 介紹 mnist手寫數字辨識範例
14. 2 開始訓練NN模型
14.3 改進NN模型：建立兩層Perceptron
14.4 改進NN模型：建立三層Perceptron
14. 5 設計MLP類別
第15章 如何匯出AI模型
15.1前言
15.2 複習：一隻老鼠的探索及學習
15.3 機器人：和老鼠一樣學習
15.4 基於TensorFlow建立AI模型
15.5 存入Checkpoint檔案
15.6 讀取Checkpoint檔案
15.7 讀取圖形(Graph)定義檔
15.8 匯出模型，寫入.pb檔
15.9 匯入模型，讀取.pb檔
附錄-A 「AI資料平台型企業」的商業模式
附錄-B AI產業的平台融合策略
1.1 AI思維簡史
1.2 Python語言與AI
1.3 如何安裝Python環境
1.4 開始撰寫 Python程式
1.5 物件導向(Object-Oriented)初步
1.6 軟體中的物件(Object)
1.7 物件與變數
1.8 物件與函數
1.9 自然界之類別
1.10 軟體之類別
第2章 Python之物件與類別
2.1 何謂OOP?
2.2 物件之概念
2.3 物件之分門別類
2.4 AKO抽象關係
2.5 物件行為與介面
第3章 擅用類別
3.1 如何描述物件：善用類別
3.2 如何誕生軟體物件
3.3 物件參考(Object Reference)
3.4 建構式(Constructor)
3.5 子類別如何誕生物件?
第4章 物件之組合
4.1 認識self參考值
4.2 建立物件之包含關係
4.2 self參考值之妙用
4.4 包容異質性物件
4.5 集合物件(Collection)
第5章 類別的封裝性
5.1 物件的封裝性
5.2 類別：創造物件封裝性
5.3 類別的私有屬性與函數
5.4 類別層級的屬性
5.5 類別層級的函數
第6章 類別繼承體系
6.1 繼承之意義
6.2 建立類別繼承體系
6.3 函數覆寫之意義
第7章 活用抽象類別
7.1 抽象類別與繼承體系
7.2 Python的抽象類別表示法
7.3 「抽象類別」衍生「具體類別」
7.4 抽象類別之妙用：預設行為
7.5 抽象類別之妙用：反向呼叫
第8章 發揮「多形性」
8.1 「多形性」之意義
8.2 多形函數
8.3 可覆寫(Overridable)之函數
第9章 如何設計抽象類別
9.1 抽象：抽出共同之現象
9.2 抽象之步驟
9.3 洞悉「變」與「不變」
9.4 著手設計抽象類別
第10章 介面與抽象類別
10.1介面之意義
10.2 以Python抽象類別實踐介面
10.3介面設計實例(一)：並聯電池物件
10.4介面設計實例(二)：串聯電池物件
10.3介面設計實例(三)：COR設計模式
第11章 不插電學AI
11.1 「不插電學AI」的意義
11.2 回顧AI發展的歷史
11.3 AlphaGo的驚人學習能力
11.4 範例：一隻老鼠的探索及學習
11.5 記錄老鼠的探索選擇及結果
11.6 老鼠當教練：訓練AI機器人
第12章 撰寫單層的Perceptron程式
12.1 開始「插電學AI」：使用Python
12.2 展開第1筆資料的訓練
12.3 進行更多筆資料的訓練
12.4 加入學習率(Learning Rate)
12.5 增添一個Training類別
15.6 一個更周詳的Perceptron程式碼
第13章 使用 TensorFlow
13.1 簡介TensorFlow
13.2 安裝TensorFlow環境
13.3 開始使用TensorFlow
13.4 展開第1回合的訓練
13.5 展開100回合更周全的訓練
13.6 設計Perceptron類別
13.7 採用TensorFlow的損失函數
13.8 撰寫多層Perceptron程式
第14章 TensorFlow應用範例
14.1 介紹 mnist手寫數字辨識範例
14. 2 開始訓練NN模型
14.3 改進NN模型：建立兩層Perceptron
14.4 改進NN模型：建立三層Perceptron
14. 5 設計MLP類別
第15章 如何匯出AI模型
15.1前言
15.2 複習：一隻老鼠的探索及學習
15.3 機器人：和老鼠一樣學習
15.4 基於TensorFlow建立AI模型
15.5 存入Checkpoint檔案
15.6 讀取Checkpoint檔案
15.7 讀取圖形(Graph)定義檔
15.8 匯出模型，寫入.pb檔
15.9 匯入模型，讀取.pb檔
附錄-A 「AI資料平台型企業」的商業模式
附錄-B AI產業的平台融合策略