不編程，而學AI：Excel與TensonFlow的結合

第1章、 以Excel呈現AI學習步驟
1.1 AI機器學習的基本觀念
1.2 Excel提供簡潔的介面
1.3 進行相乘&相加的運算
1.4 修飾一下工作表的設計
1.5 針對更多筆資料而運算
1.6 <玩具兔>與<玩具貓>的範例
1.7 AI機器的學習流程--針對第#0筆
1.8 AI機器的學習流程--針對第#1筆
1.9 AI機器的學習流程--針對第#2筆
1.10 AI機器的學習流程--針對第#3筆
1.11 學習(訓練)前後的比較

第2章、 觀摩老鼠的學習情境
2.1 一隻老鼠的探索與學習
2.2 記錄老鼠的探索選擇及結果

第3章、 以Excel呈現AI學習步驟,
3.1 老鼠當教練：訓練AI機器人
3.2 機器人智慧的成長過程
3.3 一回生、兩回熟
3.4 三回變高手
3.5 共四筆資料的完整訓練：邁向完美
3.6 檢測一番

第4章、 以Excel呈現老鼠的學習
4.1 開始學習：給予第#0筆資料
4.2 繼續學習：給予第#1筆資料
4.3 繼續學習：給予第#2筆資料
4.4 繼續學習：給予第#3筆資料
4.5 學習(訓練)前後的比較

第5章、 開始「使用電腦，學AI」
5.1 打開電腦Excel，練習操作
5.2 從Python叫出Excel工作表
5.3 親自填入資料

第6章、 資料的「正規化」觀念
6.1 簡單的「正規化」觀念
6.2 觀摩「正規化」過程
6.3 輸出值的「正規化」

第7章、 學習更多回合(Iteration)
7.1 複習AI機器的學習步驟
7.2 AI機器學習一回合
7.3 學習更多回合(一)
7.4 學習更多回合(二)

第8章、 Excel與TensorFlow的結合
8.1 範例(一)：分辨玩具熊與玩具兔
8.2 範例(二)：分辨RGB顏色

第9章、 應用：分辨阿拉伯數字
9.1 二元分類應用：辨別識字
9.2 單一數學式(學習一回合)
9.3 單一數學式(學習更多回合)
9.4 兩個數學式(學習一回合)
9.5 兩個數學式(學習更多回合)
9.6 多元分類(學習一回合)
9.7 多元分類(學習更多回合)

第10章、 擴充：多層學習模型
10.1 簡介多層學習模型
10.2 多層模型的學習流程
10.3 採取「矩陣」運算式
10.4 學習更多回合

序

　　本書的主要目標是，大家一起來「不寫程式，而學AI」。例如不知Python而亦能用TensorFlow。 當今的AI是屬於機器學習(Machine Learning)的一支，基於神經網路( NN: Neural Network)的深度學習。現在，人人都想去理解AI電腦(即機器)到底是如何學習的，以便掌握AI技術熱潮，捷足先登，踏進這項當今的主流產業(AI人工智慧)。 然而，AI機器學習的演算法(Algorithm)又非常依賴於高等數學的運算式，包括線性、非線性函數、N維矩陣(Array)、張量(Tensor)、微分導數、梯度(Gradient)下降、梯度消失等大家很陌生的數學概念和術語。這些複雜性大大阻礙人人親近AI的機會和途徑。

　　俗語說：「面對複雜，唯有簡單」。所以，尋覓和創造一個簡單、親切的途徑，讓人人都能享受<從簡單中叫出複雜的滿足感>，就能彌平進入AI的高大門檻了。

　　Google推出的AI平台：TensorFlow。雖然它還不能完全實踐<不知Python，而亦能用TensorFlow>的美好境界，但可望它是一個不錯的起點了。於是，本書就將Excel試算表與TensorFlow結合起來，就能實現<不知Python而能用TensorFlow>了。

　　不懂编程而能学AI，好比不懂车而能学开车。在本書裡，筆者把與<編程的邏輯思維>分離開來。於是大多數不諳編程技術者，皆能直接切入，而輕鬆愉快地學習AI了。