●章 AI與面向對像Python 1 1.1 AI思維簡史 2 1.2 Python語言與AI 2 1.3 布置Python開發環境 3 1.4 開始編寫Python程序 6 1.5 面向對像（Object-Oriented）入門 10 1.5.1 對像（Object） 10 1.5.2 消息（Message） 10 1.5.3 事件（Event） 10 1.6 軟件中的對像（Object） 11 1.6.1 抽像 11 1.6.2 抽像表示 12 1.6.3 數據和函數 12 1.6.4 歷史的足跡 12 1.7 對像與變量（Variable） 13 1.7.1 數據類型 13 1.7.2 變量即對像 14 1.8 對像與函數（Function） 17 1.8.1 函數的角色 17 1.8.2 事件驅動觀念 18 1.9 自然界的分類 19 1.9.1 分類與抽像 19 1.9.2 對像與類 19 1.9.3 類的體繫 20 1.10 軟件的分類 21 1.10.1 類是數據類型 21 1.10.2 類的用途：描述對像的屬性與行為 22 第2章 Python的對像與類 24 2.1 OOP入門 25 2.2 對像的概念 25 2.3 對像分類與組合 27 2.3.1 類的永恆性 27 2.3.2 將對像分門別類 27 2.3.3 對像的組合關繫 28 2.4 AKO抽像關繫 30 2.5 對像行為與接口 36 2.5.1 接口入門 36 2.5.2 消息傳遞與對像行為 37 2.5.3 對像的運算行為 38 第3章 善用類 46 3.1 如何描述對像：善用類 47 3.2 如何創建軟件對像 48 3.3 對像參考 49 3.4 構造函數 52 3.5 子類如何創建對像 54 第4章 對像的組合 58 4.1 認識 self 參考 59 4.2 建立對像的包含關繫 60 4.3 self 參考值的妙用 64 4.4 包容多樣化物件 71 4.5 集合對像 73 第5章 類的封裝性 76 5.1 對像的封裝性 77 5.2 類：創造對像的封裝性 77 5.3 類的私有屬性與函數 81 5.4 類級別的屬性 89 5.5 類級別的函數 93 第6章 類的繼承體繫 96 6.1 繼承的意義 97 6.2 建立類繼承體繫 98 6.3 函數覆寫的意義 108 第7章 活用抽像類 111 7.1 抽像類與繼承體繫 112 7.2 Python抽像類的表示法 112 7.2.1 一般具像類 112 7.2.2 抽像類 114 7.3 從“抽像類”衍生“具像類” 115 7.4 抽像類的妙用：默認行為 118 7.4.1 Python默認行為的表示法 118 7.4.2 默認行為的意義 120 7.5 默認函數的妙用：反向調用 120 第8章 發揮“多態性” 127 8.1 “多態性”的意義 128 8.1.1 自然界的多態性 128 8.1.2 多態性物體 129 8.2 多態函數 130 8.3 可覆寫函數 132 第9章 如何設計抽像類 138 9.1 抽像：抽出共同的現像 139 9.2 抽像的步驟 141 9.2.1 Step 1: 抽出名稱、引數及內容都一致的函數 147 9.2.2 Step 2: 抽出名稱相同、參數及內容有差異的函數 149 9.3 洞悉“變”與“不變” 152 9.4 著手設計抽像類 154 0章 接口與抽像類 160 10.1 接口的意義 161 10.2 以 Python 抽像類來實現接口 162 10.3 接口設計實例一：並聯電池對像 167 10.3.1 不理解原理但也能用 167 10.3.2 實現步驟 169 10.4 接口設計實例二：串聯電池對像 172 10.4.1 基本設計 172 10.4.2 實現步驟 173 10.4.3 總結 176 10.5 接口設計實例三：Chain Of Responsibility設計模式 177 1章 不插電學AI 183 11.1 “不插電學AI”的意義 184 11.2 AlphaGo的驚人學習能力 184 11.3 範例：一隻老鼠的探索及學習 184 11.4 記錄老鼠的探索選擇及結果 186 11.5 老鼠當教練：訓練AI機器人 188 11.5.1 以簡單算數，讓機器人表達智能 188 11.5.2 機器人智能的提升過程 189 11.5.3 一回生、兩回熟 191 11.5.4 三回變高手 192 11.5.5 第四回合訓練：邁向完美 194 11.5.6 重新檢測一次 195 2章 撰寫單層Perceptron程序 198 12.1 開始“插電學AI”：使用Python 199 12.2 展開第#0組數據的訓練 200 12.3 進行更多組數據的訓練 202 12.4 加入學習率 206 12.5 增添一個Training類 209 12.6 一個更詳細的Perceptron代碼 213 3章 使用TensorFlow編程 225 13.1 TensorFlow入門 226 13.2 安裝TensorFlow環境 226 13.3 開始使用TensorFlow 230 13.4 展開回合的訓練：以老鼠教練為例 237 13.5 展開100回合更周全的訓練 240 13.6 設計Perceptron類 243 13.7 采用TensorFlow的損失函數 245 13.8 撰寫多層Perceptron程序 248 4章 TensorFlow應用範例 251 14.1 mnist手寫數字識別範例 252 14.2 開始訓練 NN 模型 256 14.3 改進 NN 模型：建立兩層Perceptron 260 14.4 改進 NN 模型：建立三層Perceptron 263 14.5 撰寫一個MLP類 265 5章 如何導出AI模型 268 15.1  導出模型入門 269 15.2 機器人：像老鼠一樣學習 270 15.3 基於TensorFlow建立AI模型 270 15.4 存入Checkpoint文件 272 15.5  讀取Checkpoint文件 275 15.6 讀取流圖定義文件 277 15.7 導出模型：寫入.pb文件 280 15.8 導入模型，讀取.pb文件 284