人工智能技術商業(yè)應用場景實戰(zhàn)

定　價：￥79.00

作　者：	段云峰等著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥79.00)

ISBN：	9787121387814	出版時間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	300	字數(shù)：

內容簡介

　　本書詳細講述了人工智能大潮中企業(yè)如何生存和發(fā)展，幫助企業(yè)看清人工智能，抓住生產力變革機遇，進行人工智能技術布局。首先，從商業(yè)應用角度介紹了人工智能的緣起和企業(yè)怎么認識人工智能，避開了艱辛的數(shù)學公式和繁多的技術細節(jié)，聚焦于人工智能在企業(yè)實際場景中的應用價值、優(yōu)劣勢以及未來趨勢；然后，通過詳盡的人工智能商業(yè)場景實例，展示了人工智能的商業(yè)模式，其如何融入企業(yè)生產，在各個環(huán)節(jié)發(fā)揮作用？是變革技術開拓新市場？還是替換現(xiàn)有生產方式？或者優(yōu)化現(xiàn)有方法提升生產效率？最后，總結了人工智能應用場景落地的經驗，介紹了從企業(yè)戰(zhàn)略層面，如何切入并逐步開展人工智能落地，如何培養(yǎng)人才構建環(huán)境，從而提升企業(yè)核心競爭力。如果您對人工智能感興趣，想嘗試新技術提升自己或企業(yè)的核心競爭力；或者您是人工智能算法專家，想要找到適合落地的商業(yè)解決方案，那么本書不容錯過。

作者簡介

　　段云峰：中國移動總部大數(shù)據(jù)系統(tǒng)總設計師、奠基人。北京郵電大學兼職教授，全國CIO聯(lián)盟特聘專家、貴州省大數(shù)據(jù)技術專家、海南省信息技術專家、教育部評審專家等。北京大學信息處理專業(yè)博士后，專注數(shù)據(jù)倉庫、大數(shù)據(jù)、云計算、人工智能等的研究與推廣。田雷，中國移動通信集團天津有限公司算法專家負責人。主要負責大數(shù)據(jù)和AI算法研發(fā)，聚焦于人工智能在商業(yè)領域中的落地。利用大數(shù)據(jù)和集群計算能力，訓練人臉模型并構建人臉庫，構建人工智能服務開放能力。其負責的智慧營業(yè)廳和人臉識別項目入選中國人工智能產業(yè)發(fā)展聯(lián)盟TOP100優(yōu)秀應用案例。嚴昱超，中國移動通信集團浙江有限公司AI算法團隊負責人。帶領浙江移動算法團隊推進運營商市場、客服、安全、辦公、網絡等生產領域人工智能項目的演進規(guī)劃、算法開發(fā)、生產運營等工作，并參與公司內企業(yè)級AI私有云服務的建設。作為編委參與AIOps行業(yè)白皮書的編寫，其負責的新零售智慧營業(yè)廳AI大腦項目獲得行業(yè)大數(shù)據(jù)星河獎。喜歡研究前沿科技動態(tài)，對AI技術架構、項目迭代、運營管理有深入理解。徐海勇：中移信息技術公司總經理。被評為2016年度首都勞動獎章榮譽稱號，曾經擔任北京移動副總、山東移動副總。在山東移動任職期間，徐海勇專注客戶業(yè)務和服務創(chuàng)新，帶領山東移動取得了不少業(yè)績。

圖書目錄

第1章　企業(yè)如何認識人工智能應用 / 001
1．1　價值認知 / 002
1．1．1　第四次工業(yè)革命的深刻認知 / 002
1．1．2　人工智能將驅動未來文明 / 003
1．1．3　如何讓人工智能滲透到企業(yè) / 006
1．2　本輪人工智能的優(yōu)勢 / 013
1．2．1　存儲優(yōu)勢 / 013
1．2．2　數(shù)據(jù)優(yōu)勢 / 014
1．2．3　計算優(yōu)勢 / 016
1．2．4　邏輯優(yōu)勢 / 017
1．2．5　性能優(yōu)勢 / 018
1．3　本輪人工智能的劣勢 / 018
1．3．1　靠大數(shù)據(jù)“喂”嗎 / 020
1．3．2　行業(yè)知識需積累 / 022
1．3．3　算法的進步還需加快 / 023
1．3．4　硬件仍需進步 / 025
1．3．5　企業(yè)應用人工智能技術的能力要跟上 / 026
1．4　核心技術的把控問題 / 026
1．4．1　從人工智能的開源生態(tài)說起 / 027
1．4．2　TensorFlow的架構魔力 / 029
1．4．3　哪些技術要把控 / 031
1．4．4　企業(yè)的核心競爭力與計算力 / 033
第2章　電信行業(yè)中人工智能的應用場景 / 035
2．1　智慧營業(yè)廳 / 036
2．1．1　人臉識別 / 038
2．1．2　智能推薦 / 045
2．1．3　客戶軌跡分析 / 048
2．1．4　服務質量評估 / 049
2．2　智慧管理 / 050
2．2．1　業(yè)務異常監(jiān)控 / 050
2．2．2　基站資產稽核 / 056
2．2．3　安全態(tài)勢感知系統(tǒng) / 059
2．3　智慧稽核 / 070
2．3．1　簽名識別 / 070
2．3．2　異常操作識別 / 074
2．4　智慧運維 / 078
2．4．1　集群智慧運維 / 078
2．4．2　磁盤故障分析 / 080
2．5　語音UI導航 / 090
2．5．1　語音識別 / 093
2．5．2　語義理解 / 094
2．5．3　智能檢索 / 095
2．5．4　語音合成 / 096
2．5．5　實際使用示例 / 096
2．6　智慧客服 / 098
2．6．1　聲紋識別 / 101
2．6．2　問題識別 / 103
2．6．3　問題歸類及派單 / 106
2．6．4　事后滿意度調查 / 107
第3章　技術驅動的人工智能應用場景 / 111
3．1　概述 / 111
3．1．1　引出 / 112
3．1．2　腦科學的進步 / 113
3．2　神經網絡技術突破 / 116
3．2．1　概念 / 117
3．2．2　原理 / 118
3．2．3　腦神經學研究啟發(fā)人工智能 / 128
3．3　圖像識別 / 135
3．3．1　Google如何識別一只“貓” / 136
3．3．2　Google無人汽車 / 137
3．3．3　如何利用Google的預訓練模型 / 142
3．3．4　智慧營業(yè)廳中的圖像識別應用 / 145
3．4　人機對弈 / 150
3．4．1　圍棋真的很難嗎――AlphaGo的起源 / 150
3．4．2　AlphaGo的技術突破 / 156
3．4．3　人類還能戰(zhàn)勝AlphaGo嗎――AlphaGo的進化 / 160
第4章　需求驅動的人工智能應用場景 / 163
4．1　實名認證 / 163
4．1．1　人證比對的實現(xiàn)方法 / 164
4．1．2　活體檢測 / 166
4．2　語音交互 / 170
4．2．1　語音控制技術實現(xiàn) / 170
4．2．2　語音播報技術實現(xiàn) / 178
4．2．3　同聲傳譯 / 179
4．2．4　客戶情感感知 / 183
4．3　智能問答 / 184
4．3．1　短文本分析 / 185
4．3．2　句法分析 / 186
4．3．3　篇章分析 / 187
4．3．4　知識圖譜 / 190
第5章　傳統(tǒng)機器學習的智能進化 / 195
5．1　從符號學到機器學習 / 195
5．1．1　幾何以后不用學了――機器定理證明 / 196
5．1．2　算力并非是萬能的――基于符號學習的局限性 / 198
5．2　機器學習主流算法 / 200
5．2．1　C4．5算法 / 200
5．2．2　K-means算法 / 205
5．2．3　樸素貝葉斯算法 / 209
5．2．4　Apriori算法 / 214
5．3　深度學習如何優(yōu)化傳統(tǒng)機器學習 / 217
5．3．1　深度學習相對機器學習的優(yōu)勢 / 218
5．3．2　大數(shù)據(jù)智能運維 / 221
5．3．3　客戶滿意度分析 / 226
5．3．4　客戶流失預測 / 229
第６章　企業(yè)如何落地人工智能應用 / 233
6．1　切入點選擇 / 234
6．1．1　從市場應用切入 / 234
6．1．2　從企業(yè)痛點切入 / 236
6．1．3　成熟算法驅動 / 238
6．2　提升市場智能 / 244
6．2．1　人工智能僅改進算法的精度 / 244
6．2．2　從客戶分析入手 / 244
6．2．3　業(yè)務場景的提煉 / 245
6．3　打造智慧運營環(huán)境 / 246
6．3．1　企業(yè)全生命周期 / 246
6．3．2　企業(yè)管理的每個環(huán)節(jié) / 248
6．3．3　未來能否實現(xiàn)全程人工智能管理 / 255
6．4　培養(yǎng)人工智能人才 / 255
6．4．1　人工智能人才極其缺乏 / 256
6．4．2　只能自己培養(yǎng) / 259
6．4．3　人工智能要“從娃娃抓起” / 261
6．4．4　人工智能所需的知識結構 / 263
6．4．5　技能層面的積累 / 266
6．4．6　管理協(xié)調 / 268
6．4．7　從培養(yǎng)工人到培養(yǎng)人工智能創(chuàng)造者 / 269
6．4．8　人工智能技術越來越易用 / 271
6．5　實戰(zhàn)經驗分享 / 276
6．5．1　非結構化數(shù)據(jù)質量問題 / 276
6．5．2　應用場景選擇問題 / 278
6．5．3　數(shù)據(jù)標注問題 / 280
6．5．4　算法選擇 / 284
6．5．5　營銷活動選擇 / 285