阅读本书需要具备一定的Python语言编程基础知识。编者充分调研了行业、企业对人才技术技能的需求，将教学过程和企业深度学习模型的训练与部署、人工智能应用开发等生产过程衔接，与企业一线工程人员共同研究学生需要掌握的职业理论知识和技能，同时参照人工智能深度学习工程应用职业技能等级证书要求，将证书和岗位需求充分融入本书。本书可作为高等院校人工智能相关专业的教材，也可作为有关专业技术人员的培训教材，还可作为广大深度学习技术爱好者及从事包含深度学习相关业务的智能制造、智能零售、智慧安防、智慧交通、智慧农业、互联网企业等行业从业人员的参考书。

项目1 基于深度学习的动物图片分类与识别开发环境的搭建
任务1 在Windows系统中安装Python
任务2 在Linux系统中安装Python
任务3 Anaconda的安装
任务4 PyCharm的安装
项目2 数据的准备
任务1 数据的爬取与清洗
任务2 数据的持久化存储
任务3 数据的标注与数据集的制作
项目3 动物识别模型的开发
任务1 搭建基于前馈神经网络的动物识别模型
任务2 初识卷积神经网络
任务3 搭建基于卷积神经网络的动物识别模型
任务4 动物识别模型的训练、优化、保存
项目4 模型调用服务端的开发
任务1 服务器环境的搭建
任务2 路由、视图、模板的含义
任务3 文件的上传与接收
任务4 服务端模型的调用方式
任务5 识别结果的响应
项目5 动物识别项目的开发
任务1 动物识别项目开发全流程
任务2 项目测试及常见问题
任务3 项目扩展案例