基本信息
书名:深度学习的商业化应用:谷歌工程师前沿解读人工智能
书号:9787568042338
定价:35.00
作者/编者: 日经大数据
出版社:华中科技大学出版社
出版时间: 2018年08月
编辑推荐
阿尔法围棋何以能够战胜*职业围棋棋手?计算机能像人类一样沟通交流?计算机也能够做梦?计算机识别动态图像的能力已超过人类*?深度学习适合的领域和不适合的领域分别是哪些?深度学习需要哪四类人才? 本书请出谷歌工程师一一为你解答。
内容简介
本书开篇以丰田日美轿车的通信应对为引子,引出人工智能孕育新的创新时代这一庞大而富有远见的课题,而深度学习的研究课题恰恰是要解决现实世界存在的问题。在比较了人工智能、机器学习和深度学习之后,讲述深度学习的机制,给出深度学习面向未来的扩展应用,包括支持自动驾驶、*人类目视识别图像的能力、深度理解文章的文本分析能力、跨越语言障碍的机器翻译能力等。在企业应用方面,深度学习也有着不可估量的巨大作用。其中包括钻井工程的自动优化、导航系统优化、汽车数据检索、信用卡作弊检测等。后,本书给出了数据框架的利用方式,并对深度学习的未来进行了展望。
作者简介
日经大数据《日经大数据》是日经BP社于2014年创办的专业杂志,聚焦报道运用企业关注的大数据与人工智能、IoT(Internet of things)技术开辟新事业,进行业务改革的实例,通过月刊杂志与每日更新的网站,向订购读者传递相关新闻、技术运用实例、分析技术与数据可视化的关键信息。《日经大数据》大幅扩展服务内容,2018年4月更名为《日经×TREND》。王星星,北京大学日语硕士,具有多年翻译经验,译作包括《日本法西斯侵华战争图鉴》《颓败与重生》《马上少年过(司马辽太郎)》等。
目录
*章轻松入门
人工智能、机器学习与深度学习有何不同?3
深度学习是机器学习的一部分4
机器学习无需人类编程6
计算机的发展使深度学习成为可能8
人工智能的发展如同一股“研究洪流”12
从“移动优先”到“AI优先”14
di二章入门
深度学习的框架21
何谓机器学习以外的人工智能21
机器学习的基础24
机器学习存在多种手段26
神经网络模拟大脑神经构造27
计算机自主学习分类方法32
通过网上的“游乐场”理解神经网络36
教师引导式学习与强化学习40
“阿尔法围棋”充分应用强化学习43
di三章谷歌实例
目录谷歌的深度学习应用实例49
面向未来,深度学习的应用范围不断扩展49
语音操控的家庭AI管家50
能像人类一样沟通交流!?54
深度学习助力无人驾驶58
深度学习为数据中心大幅节能60
*人眼,分辨事物的图像识别功能62
自动对照片进行分类的“Google相册”64
用人工智能判断绘画作品的“Quick,Draw”66
计算机也能做梦?“深梦”实验68
产出*艺术与音乐的Magenta69
动态图像也可识别!“读唇术胜过*”70
能够理解文章的文本分析技术71
自动生成回复邮件参考文的“Inbox”73
垃圾邮件过滤器的精准度也大幅提升74
使企业信息检索畅通无阻的“Google Springboard”75
发出语音即可与计算机互相沟通的“语音识别”76
在人机对话过程中提供帮助的“Google助手”78
能够生成合成语音及钢琴曲的“WaveNet”80
有望打破语言壁垒的“机器翻译”82
神经网络推动Google翻译进化83
可轻松使用深度学习成果的“机器学习API”87
可有效利用个性化深度学习的“TensorFlow”92
深度学习的适用领域与不适用领域94
di四章企业实例
利用深度学习技术提高工作效率的尝试在日本接连展开99
安藤·间,隧道施工过程中判断岩层硬度99
思考如何让挖掘作业自动达到*化的程度101
从汽车照片到外形,*精确锁定,AUCNET IBS102
一年使用约500万辆二手车的数据105
无法识别车辆朝向的痛点107
为提升二手车交易的活跃度作出贡献108
Aerosense对无人机航拍数据的运用109
搭建通过少量教师数据检测汽车数量的系统110
开发能提高测量效率的标记112
Peach,通过语音识别API 24小时提供出行咨询服务114
人与人工智能的职责分配117
三井住友金融集团,对信用卡非正常使用情况的检测精
准度大幅提升119
全面覆盖呼叫中心121
数据得不出的答案124
di五章运用框架
用数据×目的的方式进行整合,描绘运用的发展图景129
数据×目的整合法131
走在前端的图像数据运用133
语音数据主要来自呼叫中心135
符合实际的运用方法:以削减成本为入口137
成功*的常识与人才转换141
能否构想出运用的推进图景?142
需要什么样的人才?145
机器学习日常化,下一个具有特殊价值的会是?147
di六章未来展望
未来,我们用深度学习解决问题151
谷歌云机器学习团队研究负责人李佳的解答151
技术革新的引导力是深度学习152
人类能力*,算法研究任重道远154
深度学习处于“数据匮乏”状态156
解决现实世界的问题是AI研究的目标157
结语
后记