多年來一直以 32-bit 微控制器 (Arm Cortex-M0/M4) 在工控領域與智能家居上應用，近年來因為 ML 機器學習應用的興起，提升了智能家居與 AIoT 的結合應用。但是對於系統資源 (MIPS/ SRAM) 極為有限的低功耗微控制器 (Low-power Micro-controller) 跟本使不上力。
這本 "TinyML: TensorFlow Lite 機器學習應用 Arduino 與低功耗微控制器"，為低功耗微控制器帶來了嶄新的思維與應用領域。書中帶領讀者流覽如何以 Google Assistant 偵測單字 (ON/ OFF) 的模型，其優化後只有14 KB code，小到可在 Adruino 微控制器上運行且可以驅動控制板來點亮 LED 燈。這本實用的書籍引領微控制器使用者進入TinyML領域，結合深度學習和嵌入式系統，用微控制器產生驚人的效果。

仔細研讀過作者 齊藤康毅的第一本著作 Deep Learning-1 (用 Python進行深度學習的基礎理論實作) 之後緊接再進入略為深入的 Deep Learning-2 (用Python進行自然語言處理的基礎理論實作)。雖然有些章節作者刻意約略帶過以避免重覆贅述，但是對於未研讀過前作的讀者會稍嫌跳躍太快。但是作者留給讀者的各程式碼加上適度的註解讓初學者很容易 trace code，甚至在上面做程式碼再開發與應用，此亦為本書有價值之處。雖然有些程式碼執行起來會卡卡的，但是讀者應該有辦法解。總之個人覺得本書精髓雖然不在於於強調如何突破 NLP 現階段所面臨的技術瓶頸，但卻不失為是一本基礎學習的好書，特別是 Python。

本書撰寫層次清楚、明瞭，由淺入深、循序漸進，是非常適合初學者探索 "Deep Learning" 的入門圖書。本書作者 齊藤康毅 採用 結合Python 運算式詳細解說、淺顯易懂。對於初接觸者在認知"感知器與神經網路"，描述深入且易懂。對於數學算式基礎不強的人，也很容易理解。特別是CH.7 解說 CNN (Convolutional Neuro Network) 的物理精神與原理架構清楚明瞭。是一本值得推薦給初學者的好書。