本书详细阐述了与Pvthon Web相关的基本解决方案，主要包括人工智能简介和机器学习基础、使用Python进行深度学习、创建第一个深度学习Web应用程序、TensorFlow.js入门、通过API进行深度学习、使用Python在Google云平台上进行深度学习、使用Python在AWS上进行深度学习、使用Python在Microsoft Azure上讲行深度学习、支持深度学习的网站的通用生产框架、使用深度学习系统保护Web应用程序、自定义Web深度学习生产环境、使用深度学习API和客服聊天机器人创建端到端Web应用程序等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。
本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

第1篇 Web和人工智能
第1章 人工智能简介和机器学习基础
1.1 人工智能及其类型简介
1.1.1 影响人工智能推进的因素
1.1.2 数据
1.1.3 算法的进步
1.1.4 硬件的进步
1.1.5 高性能计算的大众化
1.2 机器学习——流行的人工智能形式
1.3 关于深度学习
1.4 人工智能、机器学习和深度学习之间的关系
1.5 机器学习基础知识
1.5.1 机器学习的类型
1.5.2 监督学习
1.5.3 无监督学习
1.5.4 强化学习
1.5.5 半监督学习
1.6 必要的术语
1.6.1 训练集、测试集和验证集
1.6.2 偏差和方差
1.6.3 过拟合和欠拟合
1.6.4 训练误差和泛化误差
1.7 机器学习的标准工作流程
1.7.1 数据检索
1.7.2 数据准备
1.7.3 建立模型
1.7.4 模型对比与选择
1.7.5 部署和监控
1.8 融合AI之前和之后的Web应用
1.8.1 聊天机器人
1.8.2 Web分析
1.8.3 垃圾邮件过滤
1.8.4 搜索引擎
1.9 知名Web-AI企业以及它们正在做的工作
1.9.1 Google
1.9.2 Facebook
1.9.3 Amazon
1.10 小结
第2篇 使用深度学习进行Web开发
第2章 使用Python进行深度学习
2.1 揭开神经网络的神秘面纱
2.1.1 人工神经元
2.1.2 线性神经元详解
2.1.3 非线性神经元详解
2.1.4 神经网络的输入和输出层
2.1.5 梯度下降和反向传播
2.2 不同类型的神经网络
2.2.1 卷积神经网络
2.2.2 循环神经网络
2.3 Jupyter Notebook初探
2.3.1 安装Jupyter Notebook
2.3.2 验证安装
2.3.3 使用Jupyter Notebook
2.4 设置基于深度学习的云环境
2.4.1 设置AWS EC2 GPU深度学习环境
2.4.2 Crestle上的深度学习
……
第3章 创建第一个深度学习Web应用程序
第4章 TensorFlow.js入门
第3篇 使用不同的深度学习API进行Web开发
第5章 通过API进行深度学习
第6章 使用Python在Google云平台上进行深度学习
第7章 使用Python在AWS上进行深度学习
第8章 使用Python在Microsoft Azure上进行深度学习
第4篇 生产环境中的深度学习——智能Web应用程序开发
第9章 支持深度学习的网站的通用生产框架
第10章 使用深度学习系统保护Web应用程序
第11章 自定义Web深度学习生产环境
第12章 使用深度学习API和客服聊天机器人创建端到端Web应用程序
附录A Web+深度学习的成功案例和新兴领域