ModelArts人工智能應(yīng)用開(kāi)發(fā)指南

定　價(jià)：￥69.00

作　者：	田奇，白小龍著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	華為智能計(jì)算技術(shù)叢書(shū)
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302563273	出版時(shí)間：	2020-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	288	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)主要圍繞人工智能平臺(tái)ModelArts和人工智能應(yīng)用開(kāi)發(fā)流程，介紹基本概念、關(guān)鍵模塊以及典型的場(chǎng)景化應(yīng)用開(kāi)發(fā)案例。全書(shū)共分為三篇：第一篇人工智能應(yīng)用開(kāi)發(fā)概述（第1章和第2章），介紹了人工智能技術(shù)、應(yīng)用、平臺(tái)，以及人工智能應(yīng)用快速開(kāi)發(fā)流程；第二篇人工智能應(yīng)用開(kāi)發(fā)方法（第3章~第9章），介紹了人工智能應(yīng)用開(kāi)發(fā)全流程及其子流程，包括數(shù)據(jù)準(zhǔn)備、算法選擇和開(kāi)發(fā)、模型訓(xùn)練、模型評(píng)估和調(diào)優(yōu)、應(yīng)用生成、應(yīng)用評(píng)估和發(fā)布、應(yīng)用維護(hù)；第三篇人工智能應(yīng)用開(kāi)發(fā)場(chǎng)景化實(shí)踐（第10章~第12章），介紹了企業(yè)級(jí)人工智能平臺(tái)、面向復(fù)雜行業(yè)的自動(dòng)化人工智能系統(tǒng)、基于端邊云協(xié)同的人工智能平臺(tái)及應(yīng)用開(kāi)發(fā)。本書(shū)旨在通過(guò)一整套工具鏈和方法傳遞，使得每個(gè)開(kāi)發(fā)者都可以借助ModelArts平臺(tái)在具體業(yè)務(wù)場(chǎng)景下更快、更高效、更低成本地開(kāi)發(fā)出人工智能應(yīng)用，從而更好地解決各行業(yè)各領(lǐng)域面臨的實(shí)際問(wèn)題。本書(shū)適合有志于從事人工智能應(yīng)用開(kāi)發(fā)的開(kāi)發(fā)者參考。

作者簡(jiǎn)介

　　田奇華為云人工智能領(lǐng)域首席科學(xué)家，IEEE Fellow，國(guó)家自然科學(xué)基金海外杰青，中國(guó)科學(xué)院海外評(píng)審專家。本科畢業(yè)于清華大學(xué)電子工程系，后赴美國(guó)伊利諾伊大學(xué)香檳分校師從Thomas S. Huang教授獲博士學(xué)位（2002年），后任美國(guó)德克薩斯大學(xué)圣安東尼奧分校（UTSA）計(jì)算機(jī)系教授。2010年獲谷歌教授科研獎(jiǎng)（Google Faculty Research Award），2017年獲UTSA校長(zhǎng)杰出研究獎(jiǎng)，2016年獲評(píng)多媒體領(lǐng)域十大影響力學(xué)者。2018年6月至2020年3月，擔(dān)任華為諾亞方舟實(shí)驗(yàn)室計(jì)算視覺(jué)首席科學(xué)家，主導(dǎo)視覺(jué)方向的前沿研究。擁有多項(xiàng)美國(guó)專利，在計(jì)算機(jī)視覺(jué)及多媒體方向權(quán)威期刊及會(huì)議上發(fā)表文章550多篇，谷歌學(xué)術(shù)引用21800多次，7篇論文獲最佳論文獎(jiǎng)或最佳學(xué)生論文。白小龍華為云機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)專家、ModelArts產(chǎn)品架構(gòu)師，浙江大學(xué)工學(xué)博士，新加坡南洋理工大學(xué)公派聯(lián)合培養(yǎng)博士，《深入理解TensorFlow：架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)原理》作者之一。博士期間主要從事圖像識(shí)別、機(jī)器學(xué)習(xí)、智能檢測(cè)系統(tǒng)的研究，曾主導(dǎo)研發(fā)了智能檢測(cè)和圖像識(shí)別系統(tǒng)，曾獲教育部博士研究生學(xué)術(shù)新人獎(jiǎng)。

圖書(shū)目錄

第一篇人工智能應(yīng)用開(kāi)發(fā)概述
第1章人工智能技術(shù)、應(yīng)用及平臺(tái)
1.1人工智能技術(shù)
1.1.1人工智能技術(shù)的發(fā)展
1.1.2人工智能技術(shù)的主要領(lǐng)域
1.1.3人工智能技術(shù)的價(jià)值
1.2人工智能應(yīng)用
1.2.1人工智能應(yīng)用的特點(diǎn)
1.2.2人工智能應(yīng)用的商業(yè)化場(chǎng)景
1.3人工智能平臺(tái)
第2章人工智能應(yīng)用快速開(kāi)發(fā)
2.1基于圖像分類模板的開(kāi)發(fā)
2.2基于目標(biāo)檢測(cè)模板的開(kāi)發(fā)
2.3基于聲音分類模板的開(kāi)發(fā)
2.4基于文本分類模板的開(kāi)發(fā)
第二篇人工智能應(yīng)用開(kāi)發(fā)方法
第3章人工智能應(yīng)用開(kāi)發(fā)全流程
3.1人工智能應(yīng)用開(kāi)發(fā)全流程解析
3.1.1數(shù)據(jù)準(zhǔn)備子流程
3.1.2算法選擇和開(kāi)發(fā)子流程
3.1.3模型訓(xùn)練子流程
3.1.4模型評(píng)估和調(diào)優(yōu)子流程
3.1.5應(yīng)用生成、評(píng)估和發(fā)布子流程
3.1.6應(yīng)用維護(hù)子流程
3.2人工智能應(yīng)用開(kāi)發(fā)流程的權(quán)衡
3.2.1復(fù)雜和簡(jiǎn)單的取舍
3.2.2人與機(jī)器的平衡
3.2.3開(kāi)發(fā)和運(yùn)行的融合
3.3人工智能應(yīng)用開(kāi)發(fā)全流程的成本分析
3.3.1設(shè)計(jì)和開(kāi)發(fā)成本
3.3.2部署和維護(hù)成本
3.3.3邊際成本
ModelArts人工智能應(yīng)用開(kāi)發(fā)指南
目錄

第4章數(shù)據(jù)準(zhǔn)備
4.1數(shù)據(jù)采集和接入
4.1.1數(shù)據(jù)采集
4.1.2數(shù)據(jù)接入
4.2數(shù)據(jù)處理
4.2.1數(shù)據(jù)校驗(yàn)和轉(zhuǎn)換
4.2.2數(shù)據(jù)清洗
4.2.3數(shù)據(jù)選擇
4.2.4數(shù)據(jù)增強(qiáng)
4.2.5其他數(shù)據(jù)處理
4.3數(shù)據(jù)標(biāo)注
4.3.1標(biāo)注任務(wù)分類
4.3.2智能數(shù)據(jù)標(biāo)注
4.3.3數(shù)據(jù)標(biāo)注元信息管理
4.4數(shù)據(jù)分析和優(yōu)化
4.4.1數(shù)據(jù)集特征分析和優(yōu)化
4.4.2細(xì)粒度數(shù)據(jù)診斷和優(yōu)化
第5章算法選擇和開(kāi)發(fā)
5.1算法選擇
5.1.1基礎(chǔ)層算法選擇
5.1.2應(yīng)用層算法選擇
5.1.3ModelArts預(yù)置算法選擇
5.2算法開(kāi)發(fā)
5.2.1開(kāi)發(fā)語(yǔ)言
5.2.2開(kāi)發(fā)庫(kù)
5.2.3交互式開(kāi)發(fā)環(huán)境
5.2.4ModelArts云上云下協(xié)同開(kāi)發(fā)
第6章模型訓(xùn)練
6.1模型訓(xùn)練的基本過(guò)程
6.1.1基礎(chǔ)概念
6.1.2模型訓(xùn)練與數(shù)據(jù)源的交互
6.1.3模型訓(xùn)練具體過(guò)程
6.2基于ModelArts的模型訓(xùn)練
6.2.1使用預(yù)置算法訓(xùn)練
6.2.2使用自定義算法訓(xùn)練
6.2.3使用自定義鏡像訓(xùn)練
6.3端到端訓(xùn)練加速
6.3.1數(shù)據(jù)側(cè)加速
6.3.2計(jì)算側(cè)加速
6.3.3分布式并行側(cè)加速
6.3.4調(diào)參側(cè)加速
6.4自動(dòng)搜索
6.4.1AutoSearch框架
6.4.2基于AutoSearch進(jìn)行搜索
6.5彈性訓(xùn)練
6.6聯(lián)邦協(xié)同訓(xùn)練
第7章模型評(píng)估和調(diào)優(yōu)
7.1模型評(píng)估
7.1.1精度評(píng)估
7.1.2性能評(píng)估
7.1.3其他維度的評(píng)估
7.1.4基于ModelArts的模型評(píng)估
7.2模型診斷優(yōu)化
7.2.1精度診斷優(yōu)化
7.2.2性能診斷優(yōu)化
第8章應(yīng)用生成、評(píng)估和發(fā)布
8.1應(yīng)用管理
8.1.1模型格式轉(zhuǎn)換
8.1.2簡(jiǎn)單應(yīng)用生成
8.1.3基于編排的應(yīng)用生成
8.1.4應(yīng)用評(píng)估
8.2應(yīng)用部署和發(fā)布
8.2.1部署類型
8.2.2部署管理
8.2.3應(yīng)用測(cè)試和使用
第9章應(yīng)用維護(hù)
9.1數(shù)據(jù)采集和篩選
9.2應(yīng)用迭代
9.2.1基于數(shù)據(jù)的應(yīng)用迭代優(yōu)化
9.2.2基于算法和模型的應(yīng)用迭代優(yōu)化
9.3基于ModelArts的應(yīng)用維護(hù)
第三篇人工智能應(yīng)用開(kāi)發(fā)場(chǎng)景化實(shí)踐
第10章構(gòu)建企業(yè)級(jí)人工智能平臺(tái)
10.1企業(yè)級(jí)人工智能平臺(tái)
10.1.1企業(yè)級(jí)人工智能平臺(tái)的設(shè)計(jì)要素
10.1.2ModelArts Pro企業(yè)級(jí)開(kāi)發(fā)套件
10.2企業(yè)級(jí)OCR平臺(tái)
10.2.1OCR算法的基本流程
10.2.2企業(yè)級(jí)OCR平臺(tái)及關(guān)鍵流程
第11章構(gòu)建面向復(fù)雜行業(yè)的自動(dòng)化人工智能系統(tǒng)
11.1面向復(fù)雜行業(yè)的人工智能系統(tǒng)

11.2面向基因組學(xué)的自動(dòng)化人工智能建模系統(tǒng)
11.2.1基于人工智能的組學(xué)數(shù)據(jù)建模
11.2.2面向基因組學(xué)的自動(dòng)化建模
11.2.3基于SHAP的模型解釋
11.2.4基因組數(shù)據(jù)自動(dòng)建模工具——AutoGenome
第12章端邊云協(xié)同的人工智能平臺(tái)及應(yīng)用開(kāi)發(fā)
12.1端云協(xié)同的人工智能應(yīng)用開(kāi)發(fā)
12.1.1端云協(xié)同開(kāi)發(fā)的應(yīng)用場(chǎng)景
12.1.2HiLens端云協(xié)同開(kāi)發(fā)平臺(tái)
12.1.3HiLens開(kāi)發(fā)環(huán)境
12.1.4HiLens開(kāi)發(fā)框架
12.1.5案例：智慧工地安全帽識(shí)別
12.2邊云協(xié)同的人工智能應(yīng)用開(kāi)發(fā)
12.2.1智能交通解決方案的背景
12.2.2智能交通解決方案的設(shè)計(jì)
12.2.3基于邊云協(xié)同的智能視頻分析