1.本書是立足於實踐的鯤鵬生態職業認證繫列叢書：目前市場上融合講解“鯤鵬&昇騰”生態體繫的書籍較少，本書以國家發展規劃及市場為驅動，豐富學習內容。2.作者專業：本書作者是此領域的研究及培訓專業人員，本書也是多位專業人員多年的研究成果與經驗的結晶，從而保證了本書的專業性和可讀性。3.本書案例豐富：基於人工智能發展現狀，從人工智能發展簡史到基於AI框架的應用開發、調優，借助多項目案例，深入淺出地講解相關知識，幫助讀者輕松快速地掌握AI應用開發相關內容。

●第1章人工智能概述1
1．1鯤鵬&昇騰生態概述2
1．1．1鯤鵬生態概述2
1．1．2芯片產業概述3
1．1．3昇騰繫列芯片概述4
1．2人工智能概述7
1．2．1人工智能技術的發展7
1．2．2人工智能技術的主要領域9
1．2．3人工智能技術的價值11
1．2．4人工智能平臺Atlas13
1．3百花齊放的AI時代14
1．4本章小結16
第2章機器學習17
2．1機器學習概述18
2．1．1機器學習介紹18
2．1．2機器學習主要流派18
2．1．3機器學習、數據挖掘、人工智能的區別21
2．2機器學習分類24
2．2．1監督學習24
2．2．2非監督學習24
2．2．3半監督學習25
2．2．4強化學習25
2．3機器學習流程及重要方法26
2．3．1機器學習流程26
2．3．2常見的統計方法介紹28
2．3．3數據降維31
2．3．4特征工程34
2．3．5機器學習效果評測35
2．3．6可視化分析38
2．4機器學習常見算法42
2．4．1線性回歸42
2．4．2多項式回歸50
2．4．3邏輯回歸51
2．4．4梯度下降算法54
2．4．5決策樹60
2．4．6支持向量機63
2．4．7KNN65
2．4．8樸素貝葉斯68
2．4．9集成學習72
2．4．10聚類算法77
2．5本章小結83
第3章深度學習85
3．1深度學習概述86
3．2神經網絡87
3．2．1前饋神經網絡87
3．2．2反饋神經網絡89
3．2．3神經網絡相關概念91
3．3卷積神經網絡96
3．4循環神經網絡100
3．5LSTM103
3．5．1RNN中包含單個層重復模塊104
3．5．2LSTM重復模塊包含4個交互層104
3．5．3LSTM背後的核心理念105
3．5．4LSTM分步執行105
3．6神經網絡優化107
3．7強化學習113
3．7．1獎勵驅動行為思想113
3．7．2強化學習的基本框架114
3．7．3強化學習算法114
3．8本章小結116
第4章TensorFlow機器學習框架117
4．1TensorFlow2．x安裝118
4．2TensorFlow1．x與TensorFlow2．x的差別120
4．3TensorFlow基礎語法121
4．3．1TensorFlow基礎概念121
4．3．2第一個TensorFlow實例139
4．3．3TensorFlow2．0EagerExecution模式147
4．3．4TensorFlow常用模塊介紹148
4．3．5TensorFlow模型應用155
4．4TensorFlow實操案例159
4．4．1TensorFlow實現線性回歸案例159
4．4．2TensorFlow實現k-means算法案例161
4．4．3TensorFlowmnist數據集手寫體識別案例164
4．4．4TensorFlow實現簡單神經網絡165
4．4．5TensorFlow實現貓狗識別案例166
4．4．6TensorFlow實現RNN空氣污染案例169
4．5本章小結173
第5章MindSpore開發框架175
5．1MindSpore概述176
5．2MindSpore基礎應用176
5．2．1加載數據集176
5．2．2定義網絡179
5．2．3保存模型181
5．3MindSpore案例184
5．3．1使用MindSpore實現深度神經網絡184
5．3．2使用MindSpore實現LSTM的文本預測188
5．4本章小結197
第6章Atlas人工智能計算平臺199
6．1AI芯片概述200
6．2昇騰芯片硬件架構200
6．2．1昇騰AI處理器總覽200
6．2．2達芬奇架構202
6．3昇騰芯片軟件架構203
6．4Atlas人工智能計算平臺206
6．4．1基本介紹206
6．4．2Atlas產品代表207
6．5Atlas的行業應用208
6．5．1華為Atlas構建輸電設備物聯網208
6．5．2人工智能落地應用按下“加速鍵”210
6．5．3助力開發者211
6．5．4促進醫療行業211
6．5．5優化城市交通211
6．5．6推動AI行業發展212
6．6本章小結212
第7章ModelArts應用維護213
7．1ModelArts人工智能應用開發平臺概述214
7．2數據準備214
7．2．1數據采集215
7．2．2數據接入215
7．2．3數據處理216
7．2．4數據標注224
7．2．5數據分析和優化230
7．3算法選擇與開發233
7．3．1基礎層算法選擇233
7．3．2應用層算法選擇238
7．3．3ModelArts預置算法選擇243
7．3．4算法開發244
7．3．5ModelArts雲上雲下協同開發250
7．4模型訓練251
7．4．1模型訓練的基本過程251
7．4．2基於ModelArts的模型訓練256
7．4．3端到端訓練加速261
7．4．4自動搜索274
7．5模型評估與調優279
7．5．1模型評估280
7．5．2精度診斷優化292
7．6應用生成與發布298
7．6．1應用管理298
7．6．2應用部署和發布306
7．7應用維護313
7．7．1數據采集和篩選315
7．7．2應用迭代318
7．7．3基於ModelArts的應用維護319
7．8案例：智慧識別324
7．9本章小結327
第8章人工智能應用開發流程333
8．1人工智能應用開發流程解析334
8．1．1數據準備子流程336
8．1．2算法選擇和開發子流程337
8．1．3模型訓練子流程338
8．1．4模型評估和調優子流程339
8．1．5應用生成、評估和發布子流程340
8．1．6應用維護子流程340
8．2人工智能應用開發流程的權衡341
8．2．1復雜和簡單的取舍341
8．2．2人與機器的平衡342
8．2．3開發和運行的融合342
8．3人工智能應用開發全流程的成本分析343
8．3．1設計和開發成本343
8．3．2部署和維護成本344
8．3．3邊際成本344
8．4本章小結345
第9章人工智能應用開發場景實戰347
9．1基於ModelArtsJupyterLab在線調優鋼筋檢測348
9．1．1環境準備348
9．1．2下載代碼和數據集352
9．1．3加載需要的Python模塊353
9．1．4查看訓練數據樣例354
9．1．5顯示原圖和標注框354
9．1．6定義訓練超參、模型、日志保存路徑357
9．1．7構建模型，定義優化器及損失函數358
9．1．8定義自適應學習率函數358
9．1．9定義訓練函數358
9．1．10開始訓練模型360
9．1．11定義目標檢測類360
9．1．12定義推理網絡，並加載前面訓練的loss大力度優惠的模型361
9．1．13測試圖片，輸出每條鋼筋的位置和圖片中鋼筋總條數362
9．2電影推薦繫統構建364
9．3基於RFM模型的航空公司客戶價值分析案例367
9．3．1背景與挖掘目標367
9．3．2分析方法與過程367
9．4本章小結383

本書首先介紹了人工智能的發展史及應用現狀，內容涵蓋當前主流的AI應用技術以及人工智能基礎學科內容，通過各種編程案例將難以理解的機器學習知識通俗地講述給讀者；通過業界主流開發框架TensorFlow以及華為MindSpore人工智能學習框架幫助讀者更深層次地理解神經網絡算法；同時，介紹了基於昇騰開發的Atlas人工智能計算平臺，其中包括昇騰芯片的硬件和軟件架構；通過華為ModelArts一站式開發平臺帶領讀者了解工業級AI開發以及人工智能開發流程，將華為在人工智能領域布局的產業及生態展現給讀者，幫助讀者了解、認識、熟知華為人工智能產業。
本書適合從事工程科技類工作的讀者閱讀，也可作為高等院校相關專業師生的參考圖書。

北京博海迪信息科技有限公司,林康平,李黃 等 編