作 者:創新工場DeeCamp組委會 著
定 價:89
出 版 社:電子工業出版社
出版日期:2021年05月01日
頁 數:288
裝 幀:平裝
ISBN:9787121408458
"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
"李開復博士:李開復博士,創新工場董事長兼CEO,李開復博士於2009年創立創新工場,專注於科技創新型的投資理念與前沿的技術趨勢。在此之前,他曾是谷歌中國副總裁兼大中華區總裁,擔任微軟副總裁期間開創了微軟亞洲研究院,並曾服務於蘋果、SGI等科技企業。他在美國哥倫比亞大學取得計算機科學學士學位,以高榮譽畢業於卡耐基梅隆大學獲得博士學位。他被《時代》雜志評選為2013影響100位年度人物之一,並出任世界經濟論壇第四次工業革命中心的AI委員會聯席。李開復博士發明過十項美國,發表逾百篇專業期刊或會議論文,並出版十餘本中文書。王詠剛:王詠剛,現任創新工場CTO人工智能工程院執行院長,加入創新等