行動裝置上的AI：使用TensorFlow on iOS Android及樹莓派

前言

01 機器學習和TensorFlow 簡述
1.1 機器學習和TensorFlow 的歷史及發展現狀
1.2 在行動裝置上執行機器學習的應用
1.3 機器學習架構

02 建置開發環境
2.1 開發主機和裝置的選擇
2.2 在網路代理環境下開發
2.3 整合式開發環境IDE
2.4 建置工具Bazel 
2.5 載入TensorFlow 
2.6 文件

03 以行動端為基礎的機器學習的開發方式和流程
3.1 開發方式和流程簡介
3.2 使用TPU 進行訓練
3.3 裝置端進行機器學習訓練
3.4 使用TensorFlow Serving 最佳化TensorFlow 模型
3.5 TensorFlow 擴充（Extended）

04 建置TensorFlow Mobile
4.1 TensorFlow Mobile 的歷史
4.2 TensorFlow 程式結構 
4.3 建置及執行

05 用TensorFlow Mobile 建置機器學習應用
5.1 準備工作 
5.2 影像分類（Image Classification）
5.3 物體檢測（Object Detection）
5.4 時尚繪製（Stylization）
5.5 聲音識別（Speech Recognization）
 
06 TensorFlow Lite 的架構
6.1 模型格式
6.2 底層結構和設計 
6.3 工具 

07 用TensorFlow Lite 建置機器學習應用
7.1 模型設計
7.2 開發應用
7.3 TensorFlow Lite 的應用
7.4 TensorFlow Lite 使用GPU 
7.5 訓練模型 

08 行動端的機器學習開發
8.1 其他裝置的支援 
8.2 設計和最佳化模型
8.3 設計機器學習應用程式要點

09 TensorFlow 的硬體加速
9.1 神經網路介面
9.2 硬體加速 

10 機器學習應用架構
10.1 ML Kit
10.2 聯合學習（Federated Learning）
11 以行動裝置為基礎的機器學習的未來
11.1 TensorFlow 2.0 和路線圖
11.2 人工智慧的發展方向