CH01　作者自序與前言

1-1 作者自序

1-2 前言



CH02　安裝Python 與編輯環境

2-1 編輯環境的選擇: Colab 與Jupyter

2-2 Colab 的介面使用說明

2-3 Jupyter 的安裝

2-4 Jupyter 的使用



CH03　Python 的運算

3-1 print 函數與程式碼註解方式

3-2 四則運算

3-3 變數(Variable)

3-4 數值型態(Numeric type)

3-5 字串



CH04　流程控制之選擇結構 if else

4-1 前言

4-2 關係運算

4-3 邏輯運算

4-4 if else



CH05　串列List

5-1 前言

5-2 串列的使用

5-3 流程控制之重複架構 for 迴圈(for loop)

5-4 物件的簡單概念(Object)

5-5 常用的基本函數



CH06　元組(Tuple)

6-1 前言

6-2 元組的使用



CH07　集合(Set)

7-1 前言

7-2 集合的使用

7-3 使用Python 開發的應用或服務



CH08　字典Dictionary

8-1 前言

8-2 字典的使用



CH09　流程控制之重複架構while 迴圈(while loop)

9-1 前言

9-2 while 迴圈使用方式



CH10　函數(function)

10-1 前言

10-2 函數的使用方式



CH11　類別(class) 與物件(object)

11-1 前言

11-2 類別的定義與初始化

11-3 物件(Object) 概念

11-4 物件的宣告

11-5 建立類別的方法

11-6 繼承

11-7 建立私有屬性與方法

11-8 範例練習

11-9 預設屬性__doc__

11-10 特殊方法__str__() 與__repr__()

11-11 物件的銷毀



CH12　宣告的數值與字串也是物件

12-1 物件導向程式設計(Object-oriented programming)

12-2 宣告整數與浮點數物件

12-3 宣告字串的物件



CH13　常用基礎套件介紹

13-1 套件(package) 的定義

13-2 查看已安裝的套件

13-3 sys 套件的使用

13-4 math 套件的使用

13-5 random 套件的使用

13-6 time 套件的使用



CH14　資料夾與檔案的處理

14-1 前言

14-2 資料夾的處理

14-3 檔案的處理

14-4 shutil 套件的使用



CH15　檔案的讀取與寫入

15-1 前言

15-2 檔案的寫入

15-3 檔案的讀取

15-4 JSON 檔案



CH16　細說數值型態

16-1 基本單位

16-2 狀態多寡與位元的關係

16-3 數值與位元的關係

16-4 Byte 與Bit 的關係

16-5 KB, MB, GB 的關係

16-6 數值型態的介紹



CH17　Numpy 的介紹

17-1 前言

17-2 Numpy 套件的基本使用

17-3 常用屬性介紹

17-4 常用方法介紹

17-5 多維陣列進行不同維度的計算( 使用np.sum())

17-6 函數np.mean()

17-7 函數np.max() 與np.min()

17-8 函數argmax() 與np.argmin()

17-9 函數np.zeros()

17-10 函數np.zeros_like()

17-11 函數np.zeros()

17-12 函數np.ones_like()

17-13 相加函數np.add()

17-14 亂數函數np.random.randint()

17-15 排列函數np.random.permutation()



CH18　圖片的顯示

18-1 圖片的尺寸

18-2 灰階圖像與彩色圖像

18-3 灰階圖像的組成

18-4 彩色圖像的組成

18-5 圖片的格式

18-6 下載練習圖庫

18-7 OpenCV 的使用說明



CH19　類神經網路的介紹

19-1 人工智慧(Artificial intelligence) 其實只是統稱

19-2 機器學習(machine learning)

19-3 回憶二元一次方程式

19-4 從二元一次方程式到機器學習

19-5 類神經網路(Artificial Neural Network)

19-6 有趣的AI 應用



CH20　Tensorflow 簡介

20-1 什麼是Tensorflow

20-2 顯示卡的多核心優勢

20-3 Tensorflow 做了什麼?

20-4 安裝Tensorflow

20-5 匯入Tensorflow 套件

20-6 Tensorflow 與其他套件的相異處

20-7 如何看待Tensorflow

20-8 如何得到計算結果

20-9 張量(Tensor)

20-10 Tf.Graph() 的使用

20-11 GPU 資源的設定

20-12 如何使用程式碼設定GPU 的使用量

20-13 AI 的實際應用: 自動駕駛



CH21　資料集介紹(Introduction of datasets)

21-1 前言

21-2 匯入套件

21-3 Cifar10 資料集

21-4 Mnist 資料集



CH22　建立類神經網路

22-1 前言

22-2 匯入套件

22-3 匯入資料集Mnist

22-4 類神經網路

22-5 開始訓練

22-6 有趣的AI 應用



CH23　卷積神經網路的介紹

23-1 全連接層(fully connected layer)

23-2 更有效的圖像學習方式

23-3 卷積(convolution)

23-4 卷積的計算

23-5 卷積是全連接層的簡化

23-6 卷積的完整範例

23-7 Kernel 學到了什麼

23-8 彩色圖片的卷積方式

23-9 計算權重數量

23-10 Kernel 的張數

23-11 池化(pooling)

23-12 計算經過卷積後的尺寸

23-13 全連接層全然無用嗎?

23-14 有趣的AI 應用



CH24　建立卷積神經網路

24-1 前言

24-2 匯入套件

24-3 匯入資料集

24-4 資料集前處理

24-5 建立計算圖

24-6 宣告tf.placeholder

24-7 計算訓練的參數量

24-8 建立選取迭代資料的函數

24-9 計算損失值函數

24-10 計算準確率函數

24-11 關於Tensorflow 的權重檔

24-12 儲存PB 檔案的函數

24-13 設定超參數

24-14 建立訓練架構

24-15 訓練集的亂數排列(shuffle)

24-16 開始訓練與訓練結果

24-17 加深模型

24-18 加深模型的訓練結果

24-19 儲存準確率最高的PB 檔案

24-20 遷移學習(transfer learning)

24-21 儲存訓練的結果

24-22 模型可視化( 使用Netron)

24-23 使用PB 檔進行推論

24-24 找出驗證集分類錯誤的圖片

24-25 練習: 使用Fashion_mnist 資料集

24-26 練習: 使用Cifar10 資料集



CH25　口罩判斷模型之資料集的準備

25-1 前言

25-2 決定分類模型的類別數量

25-3 製作有戴口罩的圖片

25-4 口罩圖片的選擇

25-5 口罩圖片的解析

25-6 偵測圖片的嘴巴區域( 使用Dlib)

25-7 安裝Dlib

25-8 使用Dlib 找到人臉

25-9 嘴部區域與口罩的結合

25-10 製作訓練集與驗證集

25-11 有趣的AI 應用



CH26　口罩判斷模型之訓練

26-1 匯入套件

26-2 訓練集與驗證集的資料安排

26-3 讀取訓練集路徑

26-4 讀取驗證集路徑

26-5 讀取口罩集路徑

26-6 建立偵測嘴部區域的函數

26-7 建立嘴部區域與口罩結合的函數

26-8 建立訓練集的迭代資料函數

26-9 建立驗證集的迭代資料函數

26-10 建立計算圖

26-11 模型架構的差異說明

26-12 訓練結果

26-13 結果圖形化



CH27　影像串流與口罩判斷

27-1 前言

27-2 影像串流

27-3 影像串流結合口罩判斷

27-4 執行結果



CH28　安裝套件的步驟說明

28-1 使用Colab

28-2 使用Jupyter