123,123,123

內(nèi)容簡(jiǎn)介

　　人工智能深刻影響著人類發(fā)展，本書將帶領(lǐng)讀者從工程化的角度了解人工智能。本書第1章和第2章簡(jiǎn)單介紹了人工智能的基本概念及其常見算法。第3章和第4章從工程化的角度探討了人工智能與智能制造、人工智能與智能設(shè)計(jì)。第5～9章重點(diǎn)介紹了人工智能中臺(tái)的概念，以及在企業(yè)中構(gòu)建人工智能中臺(tái)的流程。本書適合人工智能相關(guān)領(lǐng)域（特別是人工智能產(chǎn)品研發(fā)領(lǐng)域）的工程技術(shù)人員閱讀，對(duì)于人工智能科研領(lǐng)域的讀者亦有一定的參考價(jià)值。

作者簡(jiǎn)介

　　蔣彪，曾任東京日立情報(bào)株式會(huì)社軟件工程師、蘇寧易購DevOps研發(fā)中心高級(jí)架構(gòu)師、蘇寧人工智能研究院高級(jí)架構(gòu)師，現(xiàn)任福特中國車聯(lián)網(wǎng)高級(jí)產(chǎn)品架構(gòu)師?！禗ocker微服務(wù)架構(gòu)實(shí)戰(zhàn)》作者，發(fā)表過多篇技術(shù)論文，兼任多所大學(xué)客座講師，在軟件研發(fā)流程管理、DevOps實(shí)踐、企業(yè)中臺(tái)構(gòu)建等領(lǐng)域有獨(dú)到見解。王函，資深微服務(wù)架構(gòu)師，擁有15年軟件開發(fā)、架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)。曾負(fù)責(zé)研發(fā)日本移動(dòng)音樂門戶www.music.jp、淘房365等互聯(lián)網(wǎng)產(chǎn)品，現(xiàn)投身于國內(nèi)知名金融機(jī)構(gòu)，從事大規(guī)模高并發(fā)客戶營(yíng)銷系統(tǒng)架構(gòu)設(shè)計(jì)相關(guān)工作。在微服務(wù)架構(gòu)、云計(jì)算、人工智能工程化等技術(shù)領(lǐng)域有著深入見解。

圖書目錄

第一部分認(rèn)識(shí)人工智能及其常見算法
第1章認(rèn)識(shí)人工智能 2
1．1 人工智能的基本概念 2
1．2 人工智能的常見流派 4
1．3 深度學(xué)習(xí)的不同種類 8
1．3．1 監(jiān)督學(xué)習(xí) 8
1．3．2 無監(jiān)督學(xué)習(xí) 9
1．3．3 強(qiáng)化學(xué)習(xí) 10
1．4 人工智能的數(shù)學(xué)基礎(chǔ) 12
1．4．1 線性代數(shù)：如何將研究對(duì)象形式化 12
1．4．2 概率論：如何描述統(tǒng)計(jì)規(guī)律 13
1．4．3 數(shù)理統(tǒng)計(jì)：如何以小見大 14
1．4．4 最優(yōu)化理論：如何找到最優(yōu)解 15
1．4．5 信息論：如何定量度量不確定性 16
1．4．6 形式邏輯：如何實(shí)現(xiàn)抽象推理 18
1．5 人工智能的應(yīng)用場(chǎng)景 19
第2章人工智能的常見算法 24
2．1 線性回歸 25
2．2 決策樹 27
2．3 支持向量機(jī) 32
2．4 K近鄰算法 35
2．5 人工神經(jīng)網(wǎng)絡(luò) 36
2．6 神經(jīng)網(wǎng)絡(luò)中的梯度下降 39
2．7 卷積神經(jīng)網(wǎng)絡(luò) 41
第二部分人工智能應(yīng)用落地
第3章人工智能與智能制造 50
3．1 人工智能與AIOps 50
3．1．1 業(yè)務(wù)場(chǎng)景 50
3．1．2 工程化實(shí)踐 53
3．2 人工智能與物流 57
3．2．1 業(yè)務(wù)場(chǎng)景 57
3．2．2 工程化實(shí)踐 61
3．3 人工智能與智能駕駛 65
3．3．1 業(yè)務(wù)場(chǎng)景 65
3．3．2 工程化實(shí)踐 67
3．4 人工智能與焊點(diǎn)檢測(cè) 69
3．4．1 業(yè)務(wù)場(chǎng)景 69
3．4．2 工程化實(shí)踐 72
第4章人工智能與智能設(shè)計(jì) 75
4．1 人工智能與廣告圖 75
4．1．1 業(yè)務(wù)場(chǎng)景 75
4．1．2 工程化實(shí)踐 78
4．2 人工智能與保險(xiǎn)文本設(shè)計(jì) 93
4．2．1 業(yè)務(wù)場(chǎng)景 94
4．2．2 工程化實(shí)踐 94
第三部分人工智能中臺(tái)構(gòu)建
第5章人工智能中臺(tái)化戰(zhàn)略 102
5．1 企業(yè)架構(gòu)中的大中臺(tái)戰(zhàn)略 102
5．2 人工智能中臺(tái)與數(shù)據(jù)中臺(tái) 106
5．3 人工智能中臺(tái)使人工智能更具使能 110
5．4 中小型企業(yè)人工智能中臺(tái)化架構(gòu) 112
第6章人工智能中臺(tái)工程化：數(shù)據(jù)能力 120
6．1 數(shù)據(jù)標(biāo)注的平臺(tái)能力 120
6．2 數(shù)據(jù)標(biāo)注的工程化方案 127
6．2．1 標(biāo)注工具 127
6．2．2 工程化技術(shù) 129
第7章人工智能中臺(tái)工程化：硬件能力 144
7．1 GPU資源調(diào)度平臺(tái) 144
7．1．1 GPU虛擬化：顯卡直通 145
7．1．2 GPU虛擬化：分時(shí)虛擬化 146
7．2 人工智能業(yè)務(wù)下GPU資源調(diào)度的工程化方案 147
第8章人工智能中臺(tái)工程化：業(yè)務(wù)能力 157
8．1 模型服務(wù)平臺(tái) 157
8．1．1 基于微服務(wù)和Python的工程化方案 157
8．1．2 基于TensorRT的工程化方案 160
8．2 算法建模平臺(tái) 166
第9章人工智能中臺(tái)工程化：平臺(tái)能力 172
9．1 人工智能統(tǒng)一門戶平臺(tái) 172
9．2 人工智能中臺(tái)工程化的另一種選擇――Kubeflow 175