"1.李開復、王詠剛、張潼等學術界、產業界領軍人物全新梳理AI知識體繫；2.AI領域科學家周明、張亞勤、周志華力薦；3.創新工場新創“知識授課+產業實踐”學習模式；4.完整呈現從學科知識到工程實踐的課程設計，實踐項目來自產業界真實實踐課題和訓練數據；5.本書旨在將AI學習者、從業者從一招一式的“點滴型學習”轉變為能夠博取百家、融會貫通的“繫統型學習”。"

●★章 AI賦能時代的創業★
1.1 中國AI如何彎道超車
1.2 AI從“發明期”進入“應用期”
1.2.1 深度學習助推AI進入“應用期”
1.2.2 To B創業迎來黃金發展期
1.2.3 “傳統產業+AI”將創造巨大價值
1.2.4 AI賦能傳統行業四部曲
1.3 AI賦能時代的創業特點
1.3.1 海外科技巨頭成功因素解析
1.3.2 科學家創業的優勢和短板
1.3.3 四因素降低AI產品化、商業化門檻
1.4 給未來AI人纔的建議
★第2章 AI的產品化和工程化挑戰★
2.1 從AI科研到AI商業化
2.2 產品經理視角—數據驅動的產品研發
2.2.1 數據驅動
2.2.2 典型C端產品的設計和管理
2.2.3 典型B端產品解決方案的設計和管理
2.2.4 AI技術的產品化
2.3 架構設計師視角—典型AI架構
2.3.1 為什麼要重視繫統架構
2.3.2 與AI相關的典型繫統架構
2.4 寫在本章後的幾句話
本章參考文獻
★第3章 機器學發展現狀及前沿進展★
3.1 機器學發展現狀
3.2 機器學前沿進展
3.2.1 復雜模型
3.2.2 表示學習
3.2.3 自動機器學習
★第4章 自然語言理解概述及主流任務★
4.1 自然語言理解概述
4.2 NLP主流任務
4.2.1 中文分詞
4.2.2 指代消解
4.2.3 文本分類
4.2.4 關鍵詞（短語）的抽取與生成
4.2.5 文本摘要
4.2.6 情感分析
本章參考文獻
★第5章 機器學習在NLP領域的應用及產業實踐★
5.1 自然語言句法分析
5.1.1 自然語言句法分析的含義與背景
5.1.2 研究句法分析的幾個要素
5.1.3 句法分析模型舉例
5.2 深度學習在句法分析模型參數估計中的應用
5.2.1 符號嵌入
5.2.2 上下文符號嵌入
本章參考文獻
★第6章 計算機視覺前沿進展及實踐★
6.1 計算機視覺概念
6.2 計算機視覺認知過程
6.2.1 從低層次到高層次的理解
6.2.2 基本任務及主流任務
6.3 計算機視覺技術的前沿進展
6.3.1 圖像分類任務
6.3.2 目標檢測任務
6.3.3 圖像分割任務
6.3.4 主流任務的前沿進展
基於機器學計算機視覺實踐
.1 目標檢測比賽
.2 蛋筒質檢
.3 智能貨櫃
本章參考文獻
★第7章 深度學習模型壓縮與加速的技術發展與應用★
7.1 深度學應用領域及面臨的挑戰
7.1.1 深度學應用領域
7.1.2 深度學習面臨的挑戰
7.2 深度學習模型的壓縮和加速方法
7.2.1 主流壓縮和加速方法概述
7.2.2 權重剪枝
7.2.3 權重量化
7.2.4 知識蒸餾
7.2.5 權重量化與權重剪枝結合並泛化
7.3 模型壓縮與加速的應用場景
7.3.1 駕駛員安全檢測繫統
7.3.2 不錯駕駛輔助繫統
7.3.3 車路協同繫統
本章參考文獻
★第8章 終端深度學習基礎、挑戰和工程實踐★
8.1 終端深度學技術成就及面臨的核心問題
8.1.1 終端深度學技術成就
8.1.2 終端深度學習面臨的核心問題
8.2 在冗餘條件下減少資源需求的方法
8.3 在非冗餘條件下減少資源需求的方法
8.3.1 特殊化模型
8.3.2 動態模型
8.4 深度學統的設計
8.4.1 實際應用場景中的挑戰
8.4.2 實際應用場景中的問題解決
8.4.3 案例分析
本章參考文獻
★第9章 DeeCamp訓練營佳商業項目實戰★
9.1 方仔照相館—AI輔助單張圖像生成積木方頭仔
9.1.1 讓“AI方頭仔”觸手可及
9.1.2 理論支撐：BiSeNet和Mask R-CNN
9.1.3 任務分解：從圖像分析到積木生成的實現
9.1.4 團隊協作與時間安排
9.2 AI科幻世界—基於預訓練語言模型的科幻小說生成繫統
9.2.1 打造人機協作的科幻小說作家
9.2.2 理論支撐：語言模型、Transformer模型和GPT2預訓練模型
9.2.3 從“找小說”到“寫小說”的實現步驟
9.2.4 團隊協作與時間安排
9.3 寵物健康識別—基於圖像表征學寵物肥胖度在線檢測繫統
9.3.1 人人都能做“養寵達人”
9.3.2 理論支撐：表征學習、人臉識別原理和ArcFace損失函數
9.3.3 任務分解：從數據收集到肥胖度檢測
9.3.4 團隊協作與時間安排
9.4 商品文案生成—基於檢索和生成的智能文案繫統
9.4.1 智能內容生成
9.4.2 理論支撐：Word2Vec詞嵌入、預訓練語言模型BERT和Seq2Seq文本生成
9.4.3 任務分解：“尋章摘句”和“文不加點”
9.4.4 團隊協作與時間安排
本章參考文獻

創新工場於2017年發起了面向高校在校生的DeeCamp人工智能訓練營（簡稱DeeCamp訓練營），訓練營內容涵蓋學術界與產業界領軍人物帶來的全新AI知識體繫和來自產業界的真實實踐課題，旨在提升高校AI人纔在行業應用中的實踐能力，以及推進產學研深度結合。本書以近兩年DeeCamp訓練營培訓內容為基礎，精選部分導師的授課課程及有代表性的學員參賽項目，以文字形式再現訓練營"知識課程+產業實戰”的教學模式和內容。全書共分為9章，章、第2章分別介紹AI賦能時代的創業、AI的產品化和工程化挑戰；第3章至第8章聚焦於AI理論與產業實踐的結合，內容涵蓋機器學習、自然語言處理、計算機視覺、深度學習模型的壓縮與加速等；第9章介紹了4個實踐課題，涉及自然語言處理和計算機視覺方向。本書適合AI相關專業的高校在校生及AI行業的工程師使用，可作為他們了解AI產業和開拓視野的讀物。

創新工場DeeCamp組委會 著