●序章 001
深度学习推动世界 002
成为能在深度学生存下来的人才！ 004

PART1
什么是深度学习？

01: 深度学现在与未来 002
02: 推导“正确答案”的搜索 006
03: 机器学结构与方法 008
04: 神经网络的种类与特征 012
05: 神经网络的学习方法 016
06: 自编码器的问世 022
07: 解决梯度消失、过拟合问题 024
08: CNN（卷积神经网络 030
09: RNN（循环神经网络） 036
10: 图像生成模型 040
11: 陆续实现实用化的深层强化学习模型 044
12: 各国围绕深度学习实用化的现状 048
13: 深度学习领域中世界的企业 050
总结 什么是深度学习？ 052
专栏 推动实现深度学硬件进步 054
PART2
深度学实用化

01: 深度学应用范围与分类 056
02: 次品检测 058
03: 外观检查 062
04: 自动捡料 0
05: 农业 066
06: 自动驾驶 068
07: 机器人出租车 070
08: 交通需求预测 072
09: 保护驾驶员 074
10: 诊断支持 076
11: 创制新药 080
12: 基因治疗 082
13: 护理教练与看护机器人 084
14: 裂纹、损伤检测 086
15: 输电线路巡检 088
16: 异常检测、预防性维护保养 090
17: 地基分析与地质评估 092
18: 自动挖掘 094
19: 产业废弃物的鉴别 096
20: 校对报道内容与自动翻译 098
21: 广告点击预测 100
22: 生成角色 102
23: 智能音箱 104
24: 无人收银机 106
25: 预防盗窃 110
26: 制作报价单 112
27: 识别物流图像与在库管理 114
28: 自动装盘 116
29: 用户评价分析 118
30: 预测股价、检测不正当交易 120
总结 深度学习会为今后的商业方式带来什么 122
专栏 技术奇点何时来临？会发生什么 124

PART3
深度学习带给我们的未来

01: 深度学习带来的价值观与生活 126
02: 深度学下一个市场 130
03: 引入深度学注意点 134
04: 在深度学习中有效应用数据 138
05: 深度学所需要的人才 140
06: 有关深度学法规建设等 142
07: 面向未来 FiNC在做什么 144
总结 深度学习如何改变未来 146