書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊

AI應(yīng)用落地之道

出版社：中國人民大學(xué)出版社出版時間：2020-04-01
開本： 21cm 頁數(shù)： 243頁
中 圖 價:¥46.9(6.8折) 定價  ¥69.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

AI應(yīng)用落地之道 版權(quán)信息

AI應(yīng)用落地之道 本書特色

從AI核心技術(shù)、樣本數(shù)據(jù)提取到業(yè)務(wù)流程構(gòu)建、人才培養(yǎng)機制
MIT人工智能研究所客座研究員、日本人工智能專家全流程指導(dǎo)
幫助企業(yè)實現(xiàn)AI技術(shù)的落實應(yīng)用，指導(dǎo)個人從知識勞動人才向智能勞動人才轉(zhuǎn)變
當(dāng)人們聽說“AI的進(jìn)化將剝奪人類的就業(yè)機會”時，出于對機器的擔(dān)憂和反感，他們就會產(chǎn)生逆反心理，從而造成對AI能力的過高預(yù)估；另一方面，當(dāng)這種過高的期待沒有實現(xiàn)時，人們就會產(chǎn)生對AI的全面否定，如“AI什么也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關(guān)于AI的各種誤解，使企業(yè)能夠從容自如地使用AI？

本書作者野村直之30多年來一直致力于AI的開發(fā)、應(yīng)用和部署。在本書中，他針對已經(jīng)參與或即將參與AI系統(tǒng)相關(guān)工作的讀者揭示了諸多為了充分應(yīng)用AI系統(tǒng)需要掌握的要點。
·AI的現(xiàn)狀。目前的AI都是輔助性工具，“強AI”還無法在21世紀(jì)內(nèi)誕生。從AI核心技術(shù)、樣本數(shù)據(jù)提取到業(yè)務(wù)流程構(gòu)建、人才培養(yǎng)機制
MIT人工智能研究所客座研究員、日本人工智能專家全流程指導(dǎo)
幫助企業(yè)實現(xiàn)AI技術(shù)的落實應(yīng)用，指導(dǎo)個人從知識勞動人才向智能勞動人才轉(zhuǎn)變
當(dāng)人們聽說“AI的進(jìn)化將剝奪人類的就業(yè)機會”時，出于對機器的擔(dān)憂和反感，他們就會產(chǎn)生逆反心理，從而造成對AI能力的過高預(yù)估；另一方面，當(dāng)這種過高的期待沒有實現(xiàn)時，人們就會產(chǎn)生對AI的全面否定，如“AI什么也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關(guān)于AI的各種誤解，使企業(yè)能夠從容自如地使用AI？

本書作者野村直之30多年來一直致力于AI的開發(fā)、應(yīng)用和部署。在本書中，他針對已經(jīng)參與或即將參與AI系統(tǒng)相關(guān)工作的讀者揭示了諸多為了充分應(yīng)用AI系統(tǒng)需要掌握的要點。
·AI的現(xiàn)狀。目前的AI都是輔助性工具，“強AI”還無法在21世紀(jì)內(nèi)誕生。
·AI的核心技術(shù)——深度學(xué)習(xí)。AI應(yīng)用落地的關(guān)鍵在于目標(biāo)精度的評測與活用，通過使用精確率和召回率兩個指標(biāo)，來準(zhǔn)備良好的樣本數(shù)據(jù)。
·樣本數(shù)據(jù)的制作。通過短周期原型開發(fā)評估目標(biāo)精度，加之專業(yè)人士的參與，同時使用高性能的GPU硬件。
·AI部署人才應(yīng)具備的技能。AI時代的人才需要福爾摩斯般的思考能力，不僅要善于發(fā)現(xiàn)問題，打破現(xiàn)有局面，還要為解決問題設(shè)定目標(biāo)，完成從“知識勞動”到“智能勞動”的轉(zhuǎn)變。

AI應(yīng)用落地之道 內(nèi)容簡介

本書詳細(xì)解析了AI商務(wù)運用所需的所有內(nèi)容, 備受讀者期待。書中結(jié)合了當(dāng)前AI將何去何從、AI運用的推進(jìn)方法及評估方法、數(shù)據(jù)保存步驟、硬件及軟件的選擇方法、人才培養(yǎng)法等各類實例進(jìn)行了詳細(xì)說明。作者認(rèn)為現(xiàn)在是引入AI的絕佳機會, 若不在此時做出判斷, 就可能被國內(nèi)外的對手后來居上。

AI應(yīng)用落地之道 目錄

目錄
第1章 當(dāng)今 AI 的功能與局限
關(guān)于 AI 常見的誤解 // 2
利用大數(shù)據(jù)的圍棋 AI // 5
如何有效運用“幼兒智能” // 6
思考能夠使用圖像識別技術(shù)的商業(yè)領(lǐng)域 // 7
深度學(xué)習(xí)是“原始數(shù)據(jù)計算” // 9
通過三個數(shù)軸對 AI 進(jìn)行分類 // 12
深度學(xué)習(xí)是如何提取特征的 // 14
“模式識別”：AI 的眼睛和耳朵 // 17
使用深度學(xué)習(xí)的機器翻譯能夠獲得壓倒性勝利的原因 // 20
“強 AI”的出現(xiàn)至少要到 22 世紀(jì)嗎 // 26
指數(shù)函數(shù)的恐怖 // 28
知識量的增加至多是二次曲線級 // 30
充分運用深度學(xué)習(xí)的必要性 // 34
深度學(xué)習(xí)與其他方式的結(jié)合也很有價值 // 36

第2章 使用深度學(xué)習(xí)的基本流程
在 AI 應(yīng)用中不可或缺的目標(biāo)設(shè)定 // 40
分享評測數(shù)據(jù)使其可以共用 // 42
作為精度指標(biāo)的“精確率”和“召回率” // 44
作為前提的正確結(jié)果不止一個 // 46
不同場景中對精確率和召回率的重視程度不同 // 47
業(yè)余和專業(yè)所需的精度是不同的 // 49
深度學(xué)習(xí)的準(zhǔn)確性評估測試非常簡單 // 51
能準(zhǔn)備反映共同特征和多樣性差異的訓(xùn)練數(shù)據(jù) // 53
使用開發(fā)環(huán)境進(jìn)行數(shù)據(jù)學(xué)習(xí)的流程 // 55
注意過度擬合 // 59

第3章 目標(biāo)精度的實際評估和利用
從危險駕駛分類中了解自動駕駛的問題 // 66
AI 給生產(chǎn)力帶來的提升效果 // 71
交通標(biāo)志與 AI 的匹配和 RFID 化也是必要的 // 73
精度目標(biāo)的設(shè)定和預(yù)算是“雞與蛋”的問題 // 79
自動駕駛需要用各種觀點進(jìn)行綜合評估 // 81
特斯拉汽車為何發(fā)生車禍 // 82
結(jié)合預(yù)期值評估服務(wù)質(zhì)量非常重要 // 85
設(shè)計業(yè)務(wù)流程時的混淆矩陣很重要 // 89
用附有概率值的判定結(jié)果將分支條件精細(xì)化 // 93
根據(jù)置信度對處理結(jié)果進(jìn)行場景分類 // 96
為每個樣本或醫(yī)療機構(gòu)設(shè)置*佳精度 // 98
對 AI 糾錯的意義 // 101
如何評估聊天機器人的準(zhǔn)確性 // 103
用“對話成立度”對精度進(jìn)行定量評估 // 107
參考信息技術(shù)架構(gòu)庫改善業(yè)務(wù)流程 // 109
讓 AI 學(xué)習(xí)特殊情況下的數(shù)據(jù) // 112

第4章 AI 部署的實例
企業(yè)的數(shù)字化 // 116
將 AI API 化后公開 // 118
AI 部署的戰(zhàn)略以及企業(yè)內(nèi)部體制 // 120
制作樣本數(shù)據(jù)時的注意點 // 125
標(biāo)注人員進(jìn)行的標(biāo)注工作 // 127
增加相互之間只有少許差異的樣本數(shù)據(jù) // 129
深度學(xué)習(xí)的引入需要耐心 // 132
描繪實際運行整體系統(tǒng)的結(jié)構(gòu) // 135
GPU 的挑選：目前 NVIDIA 是唯一選擇 // 138
硬件的選擇：性能要超過十幾年前*先進(jìn)的超級計算機 // 142
主內(nèi)存要注意主內(nèi)存容量 // 143
GPU 云服務(wù)也是一種選擇 // 151
深度學(xué)習(xí)的機制是多種多樣的 // 154
主流深度學(xué)習(xí)框架的特點和選擇 // 156
多種類型的網(wǎng)絡(luò)結(jié)構(gòu)該如何進(jìn)行選擇 // 160
編程語言幾乎只有 Python 一種選擇 // 160
利用現(xiàn)成 AI 資源的意識 // 162
將完成后的 AI 應(yīng)用程序化、API 化 // 164
將 API 向世界公開 // 166
爭取各種安全措施保護(hù)隱私 // 167
以眼還眼，以 AI 對 AI // 169
保護(hù) AI 開發(fā)企業(yè)的防盜版措施 // 171
主動公開部分源代碼的交付方法 // 173

第5章 AI 部署人才應(yīng)具備的技能
用戶企業(yè)如何獲得 AI 人才 // 177
用戶企業(yè)的管理人員應(yīng)掌握的心得 // 178
AI 時代需要我們具備福爾摩斯般的思考能力 // 179
AI 人員所需的資格和專業(yè)領(lǐng)域 // 180
舊知識可能成為絆腳石 // 183
樣本數(shù)據(jù)的準(zhǔn)備成為開發(fā)工作的核心 // 184
在 API 經(jīng)濟(jì)中擅長混聚開發(fā)的人才更重要 // 186
AI 人員的溝通能力不可或缺 // 187
知識
展開全部

AI應(yīng)用落地之道 作者簡介

野村直之
1984年畢業(yè)于東京大學(xué)工學(xué)專業(yè)，2002年獲得九州大學(xué)理學(xué)博士學(xué)位。曾在NEC C&C研究所、JUSTSYSTEM公司、法政大學(xué)、理光集團(tuán)任職，后擔(dān)任法政大學(xué)客座教授。
2005年創(chuàng)立元數(shù)據(jù)公司，從事大數(shù)據(jù)分析、社交網(wǎng)絡(luò)應(yīng)用、各種人工智能應(yīng)用方案的提供等方面的工作。在此期間，擔(dān)任MIT人工智能研究所客座研究員，與人工智能之父馬文?明斯基曾同在一個實驗室，并與該校語言學(xué)者諾姆·喬姆斯基進(jìn)行過學(xué)術(shù)探討。
他曾參與名詞網(wǎng)絡(luò)（Wordnet）的應(yīng)用研究以及日本第五代計算機開發(fā)機構(gòu)（ICOT）衍生知識庫開發(fā)，同時對AI在產(chǎn)業(yè)、生活、行政、教育等領(lǐng)域的應(yīng)用保持著高度的關(guān)注。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服