主要内容 ● 理解ANN和CNN的工作机制 ● 使用Python从头创建计算机视觉应用和CNN ● 使用TensorFlow从概念到生产学习深度学习项目 ● 与Kivy配合使用NumPy构建跨平台的数据科学应用

Ahmed Fawzy Gad是一名助教，来自埃及，2015年在埃及梅努菲亚大学计算机与信息学院获得信息技术荣誉理学学士学位，2018年获得硕士学位。Ahmed对深度学习、机器学习、计算机视觉和Python饶有兴趣。他曾担任机器学习项目的软件工程师和顾问。通过分享著作并在YouTube频道上录制教程，为数据科学界添砖加瓦是Ahmed的奋斗目标。Ahmed发表了多篇研究论文，撰写了TensorFlow: A Guide to Build Artificial Neural Networks Using Python (Lambert，2017)一书。Ahmed一直希望在其所感兴趣的领域与其他专家分享经验。

█ █ █ 前 言 人工智能(Artificial Intelligence，AI)是将人类思维嵌入计算机的一个领域。换句话说，就是创建模仿生物大脑功能的人工大脑。现在，人们需要将使用智能可做的所有事情转移到机器中。第一代AI专注于人类可以规范描述的问题。进行智能操作的步骤以机器必须遵循的指令形式来描述。机器遵循人类给出的步骤，而不做任何改变。这些是第一代AI的特征。 人类可以完整描述一些简单问题，如井字游戏甚至是国际象棋，但无法描述更复杂的问题。在国际象棋中，将棋盘表示为8×8大小的矩阵可以简单地解释问题，描述每个棋子及其走法。机器将仅限于完成人类规范描述的那些任务。通过编写此类指令，机器可智能地下棋，此时机器智能是人工的。机器本身不是智能的，但人类能以几条静态代码行的形式将其智能传递给机器。所谓“静态”，这表示在所有情况下机器行为都是相同的。 这种状况下，机器与人类紧密相连，不能单独工作。这就像是主仆关系。人类是主人，机器是仆人，后者仅遵循人类的指令，而不能做其他事情。 将智能行为嵌入代码块并不能处理人类的所有智能行为。一些简单任务(如排序数字)可以由人类描述，然后交由机器处理，它们具有100%的人类智能。但某些复杂任务，例如语音转文本、图像识别、情感分析等，不能仅通过代码来解决。此类问题无法像国际象棋那样被人类描述。我们不可能编写代码识别猫等图片对象。由于不存在分类物体的单一规则，因此此类识别物体的智能行为不能简单地使用静态代码解决。例如，不存在识别猫的规则。即使某条规则能够成功创建，可以识别某个环境中的猫，但当应用到另一个环境中时...