01 打造最強環境:TensorFlow和Keras1.1 人工智慧、機器學習和深度學習的關係1.2 什麼是機器學習?1.3 什麼是深度學習?1.5 建置Python的開發環境1.6 建置開發TenserFlow和Keras的虛擬環境1.7 Python編輯器的使用1.8 安裝GPU版的TensorFlow和Keras02 機器學習起點:多層感知器(MLP)2.1 認識多層感知器(MLP)2.2 認識Mnist資料集2.4 多層感知器實戰:Mnist手寫數字圖片辨識2.5 模型儲存和載入2.6 模型權重的儲存和載入2.7 建立多個隱藏層03 影像識別神器:卷積神經網路(CNN)3.1 卷積神經網路(CNN)基本結構3.2 卷積神經網路實戰:Mnist手寫數字圖片辨識3.3 模型權重的儲存和載入04 語言文字處理利器:循環神經網路(RNN)4.1 循環神經網路(RNN)基本結構4.2 循環神經網路實戰:Mnist手寫數字圖片辨識4.3 模型權重的儲存和載入4.4 長短期記憶(LSTM)05 體驗機器學習雲端平台:Microsoft Azure5.1 專題方向5.2 電腦視覺資源5.3 臉部辨識資源5.4 文字語言翻譯資源06 一探演算法雲端寶庫:Algorithmia6.1 專題方向6.2 認識Algorithmia平台6.3 使用Algorithmia演算法07 自然語言處理:文字雲與文章自動摘要7.1 專題方向7.2 Jieba模組7.3 文字雲7.4 文章自動摘要08 語音辨識應用:YouTube影片加上字幕8.1 專題方向8.2 語音辨識8.3 影片字幕製作09 投資預測實證:股票走勢分析9.1 專題方向9.2 台灣股市資訊模組9.3 股票分析9.4 股票預測10 最狂刷臉時代:臉部辨識登入系統10.1 專題方向10.2 face++網站及SQLite資料庫10.3 本機版刷臉登入系統10.4 雲端版刷臉登入系統11 自動標示物件:用Haar特徵分類器擷取車牌11.1 專題方向11.2 準備訓練Haar特徵分類器資料11.3 建立車牌號碼Haar特徵分類器模型11.4 使用Haar特徵分類器模型12 無所遁形術:即時車牌影像辨識12.1 專題方向12.2 車牌號碼機器學習訓練資料12.3 建立車牌辨識系統