本书共有十五章。第1～9章从OOP+Python应用出发，由浅入深，循序渐进，帮助用户建立扎实的AI软件开发的技术根基；第10～12章以AI技术简史为起点，以机器学习为范例，说明如何用Python来撰写简单的AI模型（如Perceptron模型）程序，并通过实际训练，让用户了解机器学习的原理，以及如何使用Python程序来进行调试；第13～15章以专业的TensorFlow平台为例，说明如何利用这种平台来设计NN（神经网络）模型，熟悉其训练及应用过程。 最后，将用户在TensorFlow环境下训练好的AI模型，移植到Android手机、机器人（如华硕Zenbo）或树莓派（RPi）上，大大提升终端设备的智能性，从而创造更大的商机。希望本书能陪伴你驰骋于Python和TensorFlow技术领域之中，使你在未来的道路上大展宏图。

第1章 AI与面向对象Python
1.1 AI思维简史
1.2 Python语言与AI
1.3 布置Python开发环境
1.4 开始编写Python程序
1.5 面向对象（Object-Oriented）入门
1.5.1 对象（Object）
1.5.2 消息（Message）
1.5.3 事件（Event）
1.6 软件中的对象（Object）
1.6.1 抽象
1.6.2 抽象表示
1.6.3 数据和函数
1.6.4 历史的足迹
1.7 对象与变量（Variable）
1.7.1 数据类型
1.7.2 变量即对象
1.8 对象与函数（Function）
1.8.1 函数的角色
1.8.2 事件驱动观念
1.9 自然界的分类
1.9.1 分类与抽象
1.9.2 对象与类
1.9.3 类的体系
1.10 软件的分类
1.10.1 类是数据类型
1.10.2 类的用途：描述对象的属性与行为
第2章 Python的对象与类
2.1 OOP入门
2.2 对象的概念
2.3 对象分类与组合
2.3.1 类的永恒性
2.3.2 将对象分门别类
2.3.3 对象的组合关系
2.4 AKO抽象关系
2.5 对象行为与接口
2.5.1 接口入门
2.5.2 消息传递与对象行为
2.5.3 对象的运算行为
第3章 善用类
3.1 如何描述对象：善用类
3.2 如何创建软件对象
3.3 对象参考
3.4 构造函数
3.5 子类如何创建对象
第4章 对象的组合
4.1 认识self参考
4.2 建立对象的包含关系
4.3 self参考值的妙用
4.4 包容多样化物件
4.5 集合对象
第5章 类的封装性
5.1 对象的封装性
5.2 类：创造对象的封装性
5.3 类的私有属性与函数
5.4 类级别的属性
5.5 类级别的函数
第6章 类的继承体系
6.1 继承的意义
6.2 建立类继承体系
6.3 函数覆写的意义
第7章 活用抽象类
7.1 抽象类与继承体系
7.2 Python抽象类的表示法
7.2.1 一般具象类
7.2.2 抽象类
7.3 从“抽象类”衍生“具象类”
7.4 抽象类的妙用：默认行为
7.4.1 Python默认行为的表示法
7.4.2 默认行为的意义
7.5 默认函数的妙用：反向调用
第8章 发挥“多态性”
8.1 “多态性”的意义
8.1.1 自然界的多态性
8.1.2 多态性物体
8.2 多态函数
8.3 可覆写函数
第9章 如何设计抽象类
9.1 抽象：抽出共同的现象
9.2 抽象的步骤
9.2.1 Step1：抽出名称、引数及内容都一致的函数
9.2.2 Step2：抽出名称相同、参数及内容有差异的函数
9.3 洞悉“变”与“不变”
9.4 着手设计抽象类
第10章 接口与抽象类
10.1 接口的意义
10.2 以Python抽象类来实现接口
10.3 接口设计实例一：并联电池对象
10.3.1 不理解原理但也能用
10.3.2 实现步骤
10.4 接口设计实例二：串联电池对象
10.4.1 基本设计
10.4.2 实现步骤
10.4.3 总结
10.5 接口设计实例三：Chain Of Responsibility设计模式
第11章 不插电学AI
11.1 “不插电学AI”的意义
11.2 AlphaGo的惊人学习能力
11.3 范例：一只老鼠的探索及学习
11.4 记录老鼠的探索选择及结果
11.5 老鼠当教练：训练AI机器人
11.5.1 以简单算数，让机器人表达智能
11.5.2 机器人智能的提升过程
11.5.3 一回生、两回熟
11.5.4 三回变高手
11.5.5 第四回合训练：迈向完美
11.5.6 重新检测一次
第12章 撰写单层Perceptron程序
12.1 开始“插电学AI”：使用Python
12.2 展开第#0组数据的训练
12.3 进行更多组数据的训练
12.4 加入学习率
12.5 增添一个Training类
12.6 一个更详细的Perceptron代码
第13章 使用TensorFlow编程
13.1 TensorFlow入门
13.2 安装TensorFlow环境
13.3 开始使用TensorFlow
13.4 展开第1回合的训练：以老鼠教练为例
13.5 展开100回合更周全的训练
13.6 设计Perceptron类
13.7 采用TensorFlow的损失函数
13.8 撰写多层Perceptron程序
第14章 TensorFlow应用范例
14.1 mnist手写数字识别范例
14.2 开始训练NN模型
14.3 改进NN模型：建立两层Perceptron
14.4 改进NN模型：建立三层Perceptron
14.5 撰写一个MLP类
第15章 如何导出AI模型
15.1 导出模型入门
15.2 机器人：像老鼠一样学习
15.3 基于TensorFlow建立AI模型
15.4 存入Checkpoint文件
15.5 读取Checkpoint文件
15.6 读取流图定义文件
15.7 导出模型：写入.pb文件
15.8 导入模型，读取.pb文件