全書共15章，內容如下
■第1章深度學習（DeepLearning）導論
第一章介紹AI的發展趨勢，鑑古知今，瞭解前兩波AI失敗的原因，比較第三波發展的差異性。
■第2章神經網路（NeuralNetwork）原理
第二章介紹深度學習必備的統計/數學基礎，不僅要理解相關知識，也力求能撰寫程式解題。
■第3章TensorFlow架構與主要功能
第三章介紹TensorFlow基本功能，包括張量(Tensor)運算、自動微分及神經網路模型的組成，並說明梯度下降法求解的過程。
■第4章神經網路實作
第四章開始實作，依照機器學習10項流程，撰寫完整的範例，包括Web、桌面程式。
■第5章TensorFlow其他常用指令
第五章介紹TensorFlow進階功能，包括各種工具，如TensorBoard、TensorFlowServing、Callbacks。
■第6章卷積神經網路(ConvolutionalNeuralNetwork)
■第7章預先訓練的模型(Pre-trainedModel)
■第8章物件偵測(ObjectDetection)
■第9章進階的影像應用
■第10章生成對抗網路(GAN)
第六~十章介紹圖像/視訊的演算法及各式應用。
■第11章自然語言處理的介紹
■第12章自然語言處理的演算法
■第13章聊天機器人(ChatBot)
■第14章語音辨識
第十一~十四章介紹自然語言處理、語音及各式應用。
■第15章強化學習
第十五章介紹AlphaGo的基礎--『強化學習』演算法。
