1. AI入門首選書籍：作者累積20多年來接觸與應用人工智慧的經歷，先以生物演化的故事方式開展，從一個AI神經元的誕生，演化到各種複雜神經模型。當讀過各種神經演算法的原理故事，就會豁然開朗，原來人工智慧AI這麼厲害，其實就是這麼玩的。
2.技術與應用並重：提供機器學習的程式案例與程式碼，手把手教導使用雲端AI服務與軟體，讀者可自行操作、快速上手AI技術；透過觀摩應用案例激發新創意，做出AI專題實作。
3.結合AIA人工智慧應用國際認證：涵蓋AIA認證考試範疇，可學習知能並奠定考證的能力。
4.模擬試題：課後習題結合AIA認證，可自我檢視學習成效並協助讀者通過認證考試。
5.【MOSME行動學習一點通功能】
使用「MOSME行動學習一點通」，登入會員與書籍序號後，可自我練習、反覆測驗，提升應考戰鬥力。
•評量：可反覆練習書籍裡所有題目，即學即測即評。
•詳解：在線上即時練習書內題目後，可立即核對答案，查閱解析。
•擴增：線上提供額外補充內容，可自主學習調整進度。
•加值：提供本書程式範例檔下載使用。
目錄
第1章 我們是怎麼看這個世界
1-1 想想「思考」這回事
1-2 視覺感受的科學證據
1-3 研究大腦如何處理圖像辨識
1-4 視覺處理的神經通道
1-5 跨領域研究的人工智慧
重點回顧
課後習題
第2章 從神經元到神經網路運算法
2-1 史上第一個人工神經元數學模型：卡洛克－皮茲神經元
2-2 學習性神經元－赫布理論
2-3 從大腦到電子腦－感知器
2-4 從錯誤中學習－自適線性神經元
2-5 多層感知器的演進
2-6 神經網路演算法的曙光－深度信念網路
重點回顧
課後習題
第3章 圖像資料庫與機器視覺處理
3-1 CIFAR-10圖像資料庫與ImageNe
3-2 物件語境資料庫與COCO挑戰賽
3-3 平行運算的圖形處理器GPU
3-4 卷積神經網路CNN的肇始
重點回顧
課後習題
第4章 人工智慧神經網路模型
4-1 LeNet 神經網路
4-2 圖解卷積神經運作過程
4-3 AlexNet卷積神經網路與深度學習
4-4 Alexnet後續改進者ZFnet
4-5 涉入更深層學習的神經網路VGG
4-6 往橫方向寬度發展的GoogLeNet
4-7 終極深度的神經網路ResNet網路
重點回顧
課後習題
第5章 記憶學習
5-1 賦予機器記憶能力的遞迴神經網路
5-2 RNN的記憶力改善
5-3 長的短期記憶
5-4 模擬LSTM處理語意與看圖說文
5-5 網路學習的神經架構搜尋器
5-6 神經架構搜尋網路NASNet與遷移性學習
5-7 聊天機器人ChatGPT
重點回顧
課後習題
第6章 機器學習
6-1 人工智慧、機器學習、深度學習
6-2 機器學習、大數據與統計學
6-3 機器學習的工具
6-4 機器學習使用的資料庫分類
6-5 機器學習的種類
6-6 監督式學習迴歸機器學習演算法
6-7 監督式學習分類機器學習演算法
6-8 非監督式學習分群演算法
重點回顧
課後習題
第7章 AI 圖像辨識工具軟體VisLab
7-1 VisLab AI圖像辨識軟體簡介
7-2 VisLab軟體功能結構
7-3 安裝使用智泰VisLab軟體
7-4 使用智泰VisLab軟體分類功能
7-5 使用VisLab軟體物件偵測功能
7-6 使用VisLab分割功能
重點回顧
課後習題
第8章 Azure雲端AI圖像辨識功能
8-1 Microsoft Azure圖像辨識軟體Vision簡介
8-2 Azure認知服務與API架構
8-3如何使用微軟Azure圖像辨識功能
8-4 Azure物件辨識
8-5 應用部署Azure感知服務
重點回顧
課後習題
第9章 雲端圖像辨識AutoML
9-1 Google雲端自動機器學習介紹
9-2 如何使用Google自動機器視覺
9-3 珊瑚AutoML辨識計畫範例介紹
重點回顧
課後習題
第10章 AI視覺的服務應用設計
10-1 應用AI視覺的幾個想法－人與AI的協力思考模式
10-2 系統執行AI專案計畫的流程
10-3 用AI視覺管理永續漁業資源
10-4 AI視覺應用在休閒飲料
10-5 AI視覺應用在海岸遊憩解說服務
重點回顧
課後習題
