第一章 轻松入门 3
人工智能、机器学习与深度学习有何不同？ 3
深度学习是机器学习的一部分 4
机器学习无需人类编程 6
计算机的发展使深度学习成为可能 8
人工智能的发展如同一股“研究洪流” 12
从“移动优先”到“AI优先” 14
第二章 入门 21
深度学习的框架 21
何谓机器学习以外的人工智能 21
机器学习的基础 24
机器学习存在多种手段 26
神经网络模拟大脑神经构造 27
计算机自主学习分类方法 32
通过网上的“游乐场”理解神经网络 36
教师引导式学习与强化学习 40
“阿尔法围棋”充分应用强化学习 43
第三章 谷歌实例 49
谷歌的深度学习应用实例 49
面向未来，深度学习的应用范围不断扩展 49
语音操控的家庭AI管家 50
能像人类一样沟通交流！？ 54
深度学习助力无人驾驶 58
深度学习为数据中心大幅节能 60
超越人眼，分辨事物的图像识别功能 62
自动对照片进行分类的“Google相册” 64
用人工智能判断绘画作品的“Quick，Draw” 66
计算机也能做梦？“深梦”实验 68
产出优秀艺术与音乐的Magenta 69
动态图像也可识别！“读唇术胜过专家” 70
能够理解文章的文本分析技术 71
自动生成回复邮件参考文的“Inbox” 73
垃圾邮件过滤器的精准度也大幅提升 74
使企业信息检索畅通无阻的“Google Springboard” 75
发出语音即可与计算机互相沟通的“语音识别” 76
在人机对话过程中提供帮助的“Google助手” 78
能够生成合成语音及钢琴曲的“WaveNet” 80
有望打破语言壁垒的“机器翻译” 82
神经网络推动Google翻译进化 83
可轻松使用深度学习成果的“机器学习API” 87
可有效利用个性化深度学习的“TensorFlow” 92
深度学习的适用领域与不适用领域 94
第四章 企业实例 99
利用深度学习技术提高工作效率的尝试在日本接连展开 99
安藤·间，隧道施工过程中判断岩层硬度 99
思考如何让挖掘作业自动达到最优化的程度 101
从汽车照片到外形，全部精确锁定，AUCNET IBS 102
一年使用约500万辆二手车的数据 105
无法识别车辆朝向的痛点 107
为提升二手车交易的活跃度作出贡献 108
Aerosense对无人机航拍数据的运用 109
搭建通过少量教师数据检测汽车数量的系统 110
开发能提高测量效率的标记 112
Peach，通过语音识别API 24小时提供出行咨询服务 114
人与人工智能的职责分配 117
三井住友金融集团，对信用卡非正常使用情况的检测精准度大幅提升 119
全面覆盖呼叫中心 121
数据得不出的答案 124
第五章 运用框架 129
用数据×目的的方式进行整合，描绘运用的发展图景 129
数据×目的整合法 131
走在前端的图像数据运用 133
语音数据主要来自呼叫中心 135
符合实际的运用方法：以削减成本为入口 137
成功必备的常识与人才转换 141
能否构想出运用的推进图景？ 142
需要什么样的人才？ 145
机器学习日常化，下一个具有特殊价值的会是？ 147
第六章 未来展望 151
未来，我们用深度学习解决问题 151
谷歌云机器学习团队研究负责人李佳的解答 151
技术革新的引导力是深度学习 152
人类能力优秀，算法研究任重道远 154
深度学习处于“数据匮乏”状态 156
解决现实世界的问题是AI研究的目标 157
结语 161
后记 165