第一章 輕松入門
人工智能、機器學習與深度學習有何不同？3
深度學習是機器學習的一部分4
機器學習無需人類編程6
計算機的發展使深度學習成為可能8
人工智能的發展如同一股“研究洪流”12
從“移動優先”到“AI優先”14
第二章 入門
深度學習的框架21
何謂機器學習以外的人工智能21
機器學習的基礎24
機器學習存在多種手段26
神經網絡模擬大腦神經構造27
計算機自主學習分類方法32
通過網上的“遊樂場”理解神經網絡36
教師引導式學習與強化學習40
“阿爾法圍棋”充分應用強化學習43
第三章 谷歌實例
目錄谷歌的深度學習應用實例49
面向未來，深度學習的應用範圍不斷擴展49
語音操控的家庭AI管家50
能像人類一樣溝通交流！？54
深度學習助力無人駕駛58
深度學習為數據中心大幅節能60
**人眼，分辨事物的圖像識別功能62
自動對照片進行分類的“Google相冊”64
用人工智能判斷繪畫作品的“Quick，Draw”66
計算機也能做夢？“深夢”實驗68
產出**藝術與音樂的Magenta69
動態圖像也可識別！“讀唇術勝過專家”70
能夠理解文章 的文本分析技術71
自動生成回復郵件參考文的“Inbox”73
垃圾郵件過濾器的精準度也大幅提升74
使企業信息檢索暢通無阻的“Google Springboard”75
發出語音即可與計算機互相溝通的“語音識別”76
在人機對話過程中提供幫助的“Google助手”78
能夠生成合成語音及鋼琴曲的“WaveNet”80
有望打破語言壁壘的“機器翻譯”82
神經網絡推動Google翻譯進化83
可輕松使用深度學習成果的“機器學習API”87
可有效利用個性化深度學習的“TensorFlow”92
深度學習的適用領域與不適用領域94
第四章 企業實例
利用深度學習技術提高工作效率的嘗試在日本接連展開99
安籐·間，隧道施工過程中判斷岩層硬度99
思考如何讓挖掘作業自動達到*優化的程度101
從汽車照片到外形，全部**鎖定，AUCNET IBS102
一年使用約500萬輛二手車的數據105
無法識別車輛朝向的痛點107
為提升二手車交易的活躍度作出貢獻108