注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡人工智能創(chuàng)新工場講AI課:從知識到實踐

創(chuàng)新工場講AI課:從知識到實踐

創(chuàng)新工場講AI課:從知識到實踐

定 價:¥89.00

作 者: 創(chuàng)新工場DeeCamp組委會 著
出版社: 電子工業(yè)出版社
叢編項:
標 簽: 暫缺

ISBN: 9787121408458 出版時間: 2021-05-01 包裝: 平裝
開本: 16開 頁數(shù): 296 字數(shù):  

內(nèi)容簡介

  創(chuàng)新工場于2017年發(fā)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(nèi)容涵蓋學術界與產(chǎn)業(yè)界領軍人物帶來的全新AI知識體系和來自產(chǎn)業(yè)界的真實實踐課題,旨在提升高校AI人才在行業(yè)應用中的實踐能力,以及推進產(chǎn)學研深度結(jié)合。本書以近兩年DeeCamp訓練營培訓內(nèi)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(xiàn)訓練營“知識課程+產(chǎn)業(yè)實戰(zhàn)”的教學模式和內(nèi)容。全書共分為9章,第1章、第2章分別介紹AI賦能時代的創(chuàng)業(yè)、AI的產(chǎn)品化和工程化挑戰(zhàn);第3章至第8章聚焦于AI理論與產(chǎn)業(yè)實踐的結(jié)合,內(nèi)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 個優(yōu)秀實踐課題,涉及自然語言處理和計算機視覺兩個方向。本書適合AI相關專業(yè)的高校在校生及AI行業(yè)的工程師使用,可作為他們了解AI產(chǎn)業(yè)和開拓視野的讀物。

作者簡介

  ★★主要作者(按章節(jié)順序排序)★★★李開復★ 李開復博士于2009年創(chuàng)立創(chuàng)新工場,擔任董事長兼首席執(zhí)行官,專注于科技創(chuàng)新型的投資理念與最前沿的技術趨勢。十多年來創(chuàng)新工場已經(jīng)投資逾400個創(chuàng)業(yè)項目,管理總額約160億人民幣的雙幣基金。2016年秋季創(chuàng)辦創(chuàng)新工場人工智能工程院,致力于利用最前沿的AI技術為企業(yè)提供人工智能產(chǎn)品與解決方案。在此之前,李開復博士曾是谷歌中國全球副總裁兼大中華區(qū)總裁,擔任微軟全球副總裁期間開創(chuàng)了微軟亞洲研究院,并曾服務于蘋果、SGI等知名科技企業(yè)。李開復在美國哥倫比亞大學取得計算機科學學士學位,以zui gao榮譽畢業(yè)于卡耐基梅隆大學獲得博士學位。同時,李開復獲得香港城市大學、卡耐基梅隆大學榮譽博士學位。李開復獲選為美國電機電子工程師學會(IEEE)的院士,并被《時代》雜志評選為2013影響全球100位年度人物之一,《Wired 連線》本世紀推動科技全球25位標桿人物,2018亞洲商界領袖獎等殊榮,并出任世界經(jīng)濟論壇第四次工業(yè)革命中心的AI委員會聯(lián)席主席。李開復博士發(fā)明過十項美國專利,發(fā)表逾百篇專業(yè)期刊或會議論文,并出版過十本中文暢銷書?!锿踉亜偂?王詠剛,現(xiàn)任創(chuàng)新工場CTO人工智能工程院執(zhí)行院長,加入創(chuàng)新工場前擔任谷歌主任工程師和高級技術經(jīng)理超過十年,在谷歌參與或負責研發(fā)的項目包括桌面搜索、谷歌拼音輸入法、產(chǎn)品搜索、知識圖譜、谷歌首頁涂鴉(Doodles)等,在知識圖譜、分布式系統(tǒng)、自然語言處理、HTML5動畫和游戲引擎等領域擁有豐富的工程研發(fā)經(jīng)驗。目前專注于人工智能前沿科技的工程化與商業(yè)化,以及人工智能高端人才的培養(yǎng),作為聯(lián)合創(chuàng)始人,創(chuàng)立了人工智能商業(yè)化公司創(chuàng)新奇智,同時也是人工智能高端應用型人才培養(yǎng)項目DeeCamp的發(fā)起者?!飶堜?張潼博士,機器學習領域國際著名專家,擁有美國康奈爾大學數(shù)學和計算機雙學士學位,以及斯坦福大學計算機碩士和博士學位,在香港科技大學數(shù)學系和計算機系任教。曾經(jīng)擔任美國新澤西州立大學終身教授,IBM研究院研究員和雅虎研究院主任科學家,百度研究院副院長和大數(shù)據(jù)實驗室負責人,騰訊AI Lab主任。他曾參加美國國家科學院大數(shù)據(jù)專家委員會,負責過多個美國國家科學基金資助的大數(shù)據(jù)研究項目,此外還是美國統(tǒng)計學會和國際數(shù)理統(tǒng)計學會fellow,并擔任NIPS、ICML、COLT等國際頂級機器學習會議主席或領域主席,以及PAMI, JMLR, 和Machine Learning Journal等國際一流人工智能期刊編委。★宋彥★ 宋彥博士,香港中文大學(深圳) 數(shù)據(jù)科學學院副教授,創(chuàng)新工場大灣區(qū)研究院首席科學家。歷任微軟、騰訊研究員及首席研究員,創(chuàng)新工場大灣區(qū)研究院執(zhí)行院長等職,是 “微軟小冰”項目的創(chuàng)始團隊成員之一,其研究方向包括自然語言處理、信息檢索和抽取、文本表征學習等。★屠可偉★ 屠可偉博士,上海科技大學信息科學與技術學院長聘副教授、研究員、博士生導師。研究方向包括自然語言處理、機器學習、知識表示、計算機視覺等人工智能領域,側(cè)重于研究語言結(jié)構(gòu)的表示、學習與應用?!飶埌l(fā)恩★ 張發(fā)恩,創(chuàng)新奇智聯(lián)合創(chuàng)始人,創(chuàng)新奇智公司CTO, 寧波諾丁漢大學客座教授。2008年畢業(yè)于中國科學院軟件研究所,同年加入微軟,負責Office相關軟件產(chǎn)品的研發(fā)工作;2010年,入職Google,作為核心研發(fā)人員,主導和參與Google搜索引擎、Google知識圖譜等相關工作;2015年,加入百度,作為百度云早期創(chuàng)始團隊成員之一,曾任百度云計算事業(yè)部技術委員會主席,百度云計算事業(yè)部大數(shù)據(jù)和人工智能主任架構(gòu)師。他在IT行業(yè)擁有十幾年技術研發(fā)和管理經(jīng)驗,涉及企業(yè)級軟件、室內(nèi)地圖定位與導航、互聯(lián)網(wǎng)搜索引擎、全領域知識圖譜、大數(shù)據(jù)計算與存儲、機器學習、深度學習、機器視覺等眾多領域。工作期間獲得10余項美國專利,70余項中國專利,發(fā)表過多篇頂級會議學術論文?!锾苿Α?唐劍博士,滴滴智能控制首席科學家,AI Labs 負責人兼算法委員會主席,IEEE Fellow和ACM杰出科學家,領導滴滴在智能物聯(lián)網(wǎng)、計算機視覺和自動駕駛方向上的研發(fā)。 他在國際頂級期刊和會議上發(fā)表了160多篇學術論文,擁有多項發(fā)明專利,在邊緣智能、AI驅(qū)動的系統(tǒng)控制和群智感知方向上做出開創(chuàng)性貢獻,并多次獲得最佳論文獎, 其中包括通信網(wǎng)絡領域的zui gao論文獎2019 年度IEEE 通信學會William R. Bennett Prize和IEEE車載技術學會2016年度最佳車載電子論文獎。目前還擔任中國電子學會物聯(lián)網(wǎng)專委會專家委員、新一代人工智能產(chǎn)業(yè)技術創(chuàng)新戰(zhàn)略聯(lián)盟專家委員會委員、IEEE車載技術學會杰出演講人、以及IEEE通信學會交換和路由技術委員會主席。 ★張彌★ 張彌博士,現(xiàn)任密歇根州立大學副教授,2006年畢業(yè)于北京大學,2013年獲得美國南加州大學博士學位,2013-2014年在美國康奈爾大學任博士后。主要研究領域包括終端深度學習、自動機器學習、聯(lián)邦學習和機器學習系統(tǒng)。本人及其研究團隊在2019年Google MicroNet Challenge 全球競賽中獲得CIFAR-100賽道第四名 (北美第yi名),在 2017年NSF Hearables Challenge全球競賽中獲得第三名,在2016年NIH Pill Image Recognition Challenge全球競賽中獲得冠軍?!飬羌押椤?吳佳洪,創(chuàng)新奇智高級研究員,2017年畢業(yè)于北京大學。曾帶隊獲得Pascal Voc 世界冠軍、Cityscapes 實例分割冠軍、ADE20K物體分割冠軍等;曾負責創(chuàng)新奇智無人貨柜項目的算法工作,專注于計算機視覺領域,發(fā)表過多篇CVPR論文。★劉寧★ 劉寧博士,滴滴資深研究員,畢業(yè)于美國東北大學計算機工程系。研究領域包括深度增強學習、深度模型壓縮與加速、邊緣計算等。在國際頂級期刊和會議AAAI, MICRO, ASPLOS,ISCA等發(fā)表學術論文20余篇,發(fā)表多項發(fā)明專利。

圖書目錄

★第1章 AI賦能時代的創(chuàng)業(yè)★
1.1 中國AI如何彎道超車
1.2 AI從“發(fā)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(chuàng)業(yè)迎來黃金發(fā)展期
1.2.3 “傳統(tǒng)產(chǎn)業(yè)+AI”將創(chuàng)造巨大價值
1.2.4 AI賦能傳統(tǒng)行業(yè)四部曲
1.3 AI賦能時代的創(chuàng)業(yè)特點
1.3.1 海外科技巨頭成功因素解析
1.3.2 科學家創(chuàng)業(yè)的優(yōu)勢和短板
1.3.3 四因素降低AI產(chǎn)品化、商業(yè)化門檻
1.4 給未來AI人才的建議

★第2章 AI的產(chǎn)品化和工程化挑戰(zhàn)★
2.1 從AI科研到AI商業(yè)化
2.2 產(chǎn)品經(jīng)理視角—數(shù)據(jù)驅(qū)動的產(chǎn)品研發(fā)
2.2.1 數(shù)據(jù)驅(qū)動
2.2.2 典型C端產(chǎn)品的設計和管理
2.2.3 典型B端產(chǎn)品解決方案的設計和管理
2.2.4 AI技術的產(chǎn)品化
2.3 架構(gòu)設計師視角—典型AI架構(gòu)
2.3.1 為什么要重視系統(tǒng)架構(gòu)
2.3.2 與AI相關的典型系統(tǒng)架構(gòu)
2.4 寫在本章最后的幾句話
本章參考文獻

★第3章 機器學習的發(fā)展現(xiàn)狀及前沿進展★
3.1 機器學習的發(fā)展現(xiàn)狀
3.2 機器學習的前沿進展
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(chǎn)業(yè)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(shù)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
6.4 基于機器學習的計算機視覺實踐
6.4.1 目標檢測比賽
6.4.2 蛋筒質(zhì)檢
6.4.3 智能貨柜
本章參考文獻

★第7章 深度學習模型壓縮與加速的技術發(fā)展與應用★
7.1 深度學習的應用領域及面臨的挑戰(zhàn)
7.1.1 深度學習的應用領域
7.1.2 深度學習面臨的挑戰(zhàn)
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(quán)重剪枝
7.2.3 權(quán)重量化
7.2.4 知識蒸餾
7.2.5 權(quán)重量化與權(quán)重剪枝結(jié)合并泛化
7.3 模型壓縮與加速的應用場景
7.3.1 駕駛員安全檢測系統(tǒng)
7.3.2 高級駕駛輔助系統(tǒng)
7.3.3 車路協(xié)同系統(tǒng)
本章參考文獻

★第8章 終端深度學習基礎、挑戰(zhàn)和工程實踐★
8.1 終端深度學習的技術成就及面臨的核心問題
8.1.1 終端深度學習的技術成就
8.1.2 終端深度學習面臨的核心問題
8.2 在冗余條件下減少資源需求的方法
8.3 在非冗余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(tài)模型
8.4 深度學習系統(tǒng)的設計
8.4.1 實際應用場景中的挑戰(zhàn)
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訓練營最佳商業(yè)項目實戰(zhàn)★
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(xiàn)
9.1.4 團隊協(xié)作與時間安排
9.2 AI科幻世界—基于預訓練語言模型的科幻小說生成系統(tǒng)
9.2.1 打造人機協(xié)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(xiàn)步驟
9.2.4 團隊協(xié)作與時間安排
9.3 寵物健康識別—基于圖像表征學習的寵物肥胖度在線檢測系統(tǒng)
9.3.1 人人都能做“養(yǎng)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(shù)
9.3.3 任務分解:從數(shù)據(jù)收集到肥胖度檢測
9.3.4 團隊協(xié)作與時間安排
9.4 商品文案生成—基于檢索和生成的智能文案系統(tǒng)
9.4.1 智能內(nèi)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(xié)作與時間安排
本章參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號