人工智能藍(lán)圖：構(gòu)建和部署人工智能商業(yè)項(xiàng)目指南

定　價(jià)：￥88.00

作　者：	[美] 約書亞·埃克洛斯著，朱小虎，李紫輝譯
出版社：	東南大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787564199722	出版時(shí)間：	2022-03-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	220	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　人工智能藍(lán)圖為讀者提供了一個(gè)可用框架和技術(shù)，以構(gòu)建你自己的成功人工智能業(yè)務(wù)應(yīng)用程序。你將在六個(gè)業(yè)務(wù)場(chǎng)景中學(xué)習(xí)到如何使用最先進(jìn)的人工智能軟件庫(kù)和成熟的工作流來應(yīng)對(duì)關(guān)鍵挑戰(zhàn)。你將學(xué)到從最初的設(shè)計(jì)到完整的編碼和部署等構(gòu)建人工智能業(yè)務(wù)應(yīng)用程序的實(shí)用技術(shù)。本書給出的人工智能藍(lán)圖解決了關(guān)鍵的業(yè)務(wù)場(chǎng)景。第一個(gè)藍(lán)圖使用人工智能來尋找解決方案，為云計(jì)算構(gòu)建規(guī)劃，使其按時(shí)且在預(yù)算之內(nèi)。第二個(gè)藍(lán)圖涉及一個(gè)人工智能系統(tǒng)，該系統(tǒng)可以持續(xù)監(jiān)控社交媒體以評(píng)估公眾對(duì)諸如自動(dòng)駕駛汽車之類感興趣的話題的感受。你將學(xué)習(xí)如何解決人工智能業(yè)務(wù)問題并應(yīng)用可確保成功的藍(lán)圖。下一個(gè)人工智能場(chǎng)景展示了如伺解決創(chuàng)建推薦引擎并監(jiān)控這些推薦的執(zhí)行情況的問題。第四個(gè)藍(lán)圖展示了如何使用深度學(xué)習(xí)在社交媒體照片中查找你的企業(yè)標(biāo)識(shí)并評(píng)估人們?nèi)绾闻c你的產(chǎn)品進(jìn)行交互。學(xué)習(xí)所涉及的實(shí)用技術(shù)以及如何智能地應(yīng)用這些藍(lán)圖。第五個(gè)藍(lán)圖是關(guān)于如伺最好地設(shè)計(jì)你的網(wǎng)站上的“當(dāng)下趨勢(shì)”部分，就像我們從Twitter上知道的那樣。第六個(gè)藍(lán)圖展示了如何創(chuàng)建有用的聊天機(jī)器人，以便人工智能系統(tǒng)可以理解客戶的問題并以相關(guān)的響應(yīng)來回答。本書持續(xù)展示了構(gòu)建人工智能業(yè)務(wù)應(yīng)用程序的工作框架和策略。在此過程中，你還將學(xué)習(xí)如何為人工智能的未來發(fā)展做準(zhǔn)備。你將獲得一個(gè)工作流以及一個(gè)模式和技術(shù)工具箱，這樣你就可以創(chuàng)建自己的智能代碼。

作者簡(jiǎn)介

　　約書亞·?？寺逅梗↗oshua Eckroth）是斯坦森大學(xué)（Stetson University）計(jì)算機(jī)科學(xué)系助理教授，教授的課程包括人工智能、大數(shù)據(jù)挖掘和分析以及軟件工程。他曾就讀于俄亥俄州立大學(xué)，并獲得了人工智能和認(rèn)知科學(xué)方向的博士學(xué)位。?？寺逅共┦吭鴵?dān)任i2k Connect公司的首席架構(gòu)師，該公司專注于使用人工智能技術(shù)對(duì)文檔進(jìn)行結(jié)構(gòu)化處理，并利用領(lǐng)域?qū)＜壹夹g(shù)進(jìn)行信息的充實(shí)。?？寺逅共┦吭赑ackt平臺(tái)推出了兩門視頻課程：Python Artificial Intelligence Projects for Beginners和Advanced Artificial Intelligence Projects with Python。可以在Google Scholar中查找到他的學(xué)術(shù)論文。

圖書目錄

1 人工智能工作流
人工智能不是萬(wàn)能的
人工智能工作流
確定問題特征
檢查清單
開發(fā)方法
檢查清單
設(shè)計(jì)部署策略
檢查清單
設(shè)計(jì)并實(shí)現(xiàn)持續(xù)評(píng)估
檢查清單
章節(jié)概述
本章總結(jié)
2 規(guī)劃云基礎(chǔ)設(shè)施的藍(lán)圖
問題、目標(biāo)和業(yè)務(wù)用例
方法：約束求解器
OptaPlanner
部署策略
持續(xù)評(píng)估
本章總結(jié)
3 有效利用反饋的藍(lán)圖
問題、目標(biāo)和業(yè)務(wù)用例
方法：情感分析
部署策略
CoreNLP處理流水線
Twitter API
GATE平臺(tái)
Reddit API
News API
帶有plotly.js和Dash的儀表板
持續(xù)評(píng)估
重新訓(xùn)練CoreNLP情感模型
本章總結(jié)
4 推薦商品和服務(wù)的藍(lán)圖
使用場(chǎng)景：隱性反饋
基于內(nèi)容的推薦
協(xié)同過濾推薦
BM25加權(quán)算法
矩陣分解
部署策略
持續(xù)評(píng)估
為BM25加權(quán)算法計(jì)算精確度和召回率
在線評(píng)估推薦系統(tǒng)
本章總結(jié)
5 在社交媒體中檢測(cè)logo的藍(lán)圖
機(jī)器學(xué)習(xí)的崛起
目標(biāo)和業(yè)務(wù)案例
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
深度學(xué)習(xí)
卷積
網(wǎng)絡(luò)架構(gòu)
激勵(lì)函數(shù)
TensorFlow和Keras
YOLO和Darknet
持續(xù)評(píng)估
本章總結(jié)
6 發(fā)現(xiàn)趨勢(shì)和識(shí)別異常的藍(lán)圖
技術(shù)概覽
發(fā)現(xiàn)線性趨勢(shì)
利用滑動(dòng)窗口發(fā)現(xiàn)動(dòng)態(tài)線性趨勢(shì)
發(fā)現(xiàn)周期性趨勢(shì)
ARIMA
動(dòng)態(tài)線性模型
識(shí)別異常
靜態(tài)模型的z分?jǐn)?shù)
滑動(dòng)窗口的z分?jǐn)?shù)
RPCA
聚類
部署策略
本章總結(jié)
7 理解查詢和生成響應(yīng)的藍(lán)圖
問題、目標(biāo)和業(yè)務(wù)案例
我們的方法
Pokemon領(lǐng)域
課程建議領(lǐng)域
方法——自然語(yǔ)言處理+邏輯編程+自然語(yǔ)言生成
使用Rasa進(jìn)行自然語(yǔ)言處理
使用Prolog和tuProlog進(jìn)行邏輯編程
Prolog的合一和消解
通過tuProlog Java庫(kù)使用Prolog
Prolog中的Pok色mon
使用ShnpleNLG進(jìn)行自然語(yǔ)言生成
第二個(gè)例子——大學(xué)課程建議
持續(xù)評(píng)估
本章總結(jié)
8 為未來做好準(zhǔn)備并在炒作周期中生存下來
始終領(lǐng)先一步
事物的狀態(tài)
自然語(yǔ)言處理
計(jì)算機(jī)視覺
專家系統(tǒng)和業(yè)務(wù)規(guī)則
規(guī)劃與調(diào)度
機(jī)器人
了解人工智能的炒作周期
下一個(gè)大事件
本章總結(jié)