定 價(jià)：￥79.80
| 作 者： | （丹）詹盧卡·莫羅（Gianluca Mauro），（美）尼科洛·瓦里基（Nicolò Valigi） |
| 出版社： | 清華大學(xué)出版社 |
| 叢編項(xiàng)： | |
| 標(biāo) 簽： | 暫缺 |
| ISBN： | 9787302577652 | 出版時(shí)間： | 2021-05-01 | 包裝： | |
| 開本： | 32開 | 頁(yè)數(shù)： | 字?jǐn)?shù)： |
目 錄
第I部分 理解人工智能
第1 章 人工智能概況 3
1.1 當(dāng)代人工智能發(fā)展之路 4
1.2 人工智能革命的引擎：機(jī)器學(xué)習(xí) 7
1.3 人工智能究竟是什么？ 9
1.4 教學(xué)方法 12
1.5 本章小結(jié) 13
第2 章 將人工智能應(yīng)用于核心業(yè)務(wù)數(shù)據(jù) 15
2.1 在核心業(yè)務(wù)數(shù)據(jù)領(lǐng)域布局人工智能 16
2.2 在核心業(yè)務(wù)數(shù)據(jù)中使用人工智能 18
2.2.1 房地產(chǎn)市場(chǎng)示例 18
2.2.2 為FutureHouse賦予人工智能 21
2.2.3 機(jī)器學(xué)習(xí)的優(yōu)勢(shì) 26
2.2.4 將人工智能應(yīng)用于通用核心業(yè)務(wù)數(shù)據(jù) 28
2.3 案例研究 30
2.3.1 谷歌如何利用人工智能削減能源開支 30
2.3.2 Square如何利用人工智能向小企業(yè)貸款數(shù)十億美元 35
2.3.3 案例研究課程 39
2.4 評(píng)估性能和風(fēng)險(xiǎn) 40
2.5 本章小結(jié) 43
第3 章 將人工智能應(yīng)用于營(yíng)銷 45
3.1 為什么要用人工智能進(jìn)行銷售和營(yíng)銷？ 45
3.2 預(yù)測(cè)客戶流失 47
3.3 利用人工智能提高轉(zhuǎn)化率和追加銷售 52
3.4 執(zhí)行自動(dòng)化客戶細(xì)分 55
3.4.1 無監(jiān)督學(xué)習(xí)(或聚類) 56
3.4.2 用于客戶細(xì)分的無監(jiān)督學(xué)習(xí) 61
3.5 衡量性能 64
3.5.1 分類算法 64
3.5.2 聚類算法 68
3.6 將機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)與業(yè)務(wù)結(jié)果和風(fēng)險(xiǎn)聯(lián)系起來 69
3.7 案例研究 72
3.7.1 改進(jìn)目標(biāo)定位的人工智能：Opower 72
3.7.2 運(yùn)用人工智能預(yù)測(cè)客戶需求：Target 78
3.8 本章小結(jié) 81
第4 章 將人工智能應(yīng)用于媒體 83
4.1 用計(jì)算機(jī)視覺改進(jìn)產(chǎn)品 84
4.2 將人工智能應(yīng)用于圖像分類 88
4.3 使用小數(shù)據(jù)集的遷移學(xué)習(xí) 93
4.4 人臉識(shí)別：教計(jì)算機(jī)識(shí)別人類 95
4.5 使用內(nèi)容生成和風(fēng)格遷移 98
4.6 注意事項(xiàng) 101
4.7 人工智能在音頻領(lǐng)域的應(yīng)用 102
4.8 案例研究：運(yùn)用深度學(xué)習(xí)優(yōu)化農(nóng)業(yè) 104
4.8.1 案例問題 108
4.8.2 案例討論 108
4.9 本章小結(jié) 110
第5 章 將人工智能應(yīng)用于自然語言 111
5.1 自然語言理解的魅力 112
5.2 分解NLP：衡量復(fù)雜性 113
5.3 將NLP功能應(yīng)用于企業(yè) 117
5.3.1 情感分析 121
5.3.2 從情感分析到文本分類 124
5.3.3 NLP分類項(xiàng)目范圍界定 128
5.3.4 文檔檢索 130
5.3.5 自然對(duì)話 132
5.3.6 設(shè)計(jì)克服技術(shù)限制的產(chǎn)品 136
5.4 案例研究：Translated 138
5.4.1 案例問題 142
5.4.2 案例討論 143
5.5 本章小結(jié) 145
第6 章 將人工智能應(yīng)用于內(nèi)容管理和社區(qū)建設(shè) 147
6.1 選擇的詛咒 148
6.2 使用推薦系統(tǒng)驅(qū)動(dòng)參與度 148
6.2.1 基于內(nèi)容的系統(tǒng)超越簡(jiǎn)單特征 153
6.2.2 特征和相似性的限制 156
6.3 群體智慧：協(xié)同過濾 157
6.4 推薦錯(cuò)誤 160
6.5 案例分析：Netflix每年節(jié)省10億美元 162
6.5.1 Netflix的推薦系統(tǒng) 162
6.5.2 推薦系統(tǒng)和用戶體驗(yàn) 165
6.5.3 推薦的業(yè)務(wù)價(jià)值 166
6.5.4 案例問題 167
6.5.5 案例討論 167
6.6 本章小結(jié) 168
第Ⅱ部分 構(gòu)建人工智能
第7 章 準(zhǔn)備好尋找人工智能機(jī)會(huì) 173
7.1 不要被炒作所迷惑：業(yè)務(wù)驅(qū)動(dòng)的人工智能創(chuàng)新 174
7.2 創(chuàng)造：尋找人工智能機(jī)會(huì) 179
7.3 優(yōu)先級(jí)：評(píng)估人工智能項(xiàng)目 183
7.4 驗(yàn)證：分析風(fēng)險(xiǎn) 187
7.5 解構(gòu)人工智能產(chǎn)品 191
7.6 將人工智能項(xiàng)目翻譯成機(jī)器學(xué)習(xí)友好型術(shù)語 196
7.7 練習(xí) 201
7.7.1 提高客戶定位 202
7.7.2 工業(yè)過程自動(dòng)化 204
7.7.3 幫助客戶選擇內(nèi)容 205
7.8 本章小結(jié) 207
第8 章 設(shè)置——準(zhǔn)備數(shù)據(jù)、技術(shù)和人員 209
8.1 數(shù)據(jù)策略 210
8.1.1 我從哪里得到數(shù)據(jù)？ 211
8.1.2 我需要多少數(shù)據(jù)？ 217
8.2 數(shù)據(jù)質(zhì)量 221
8.3 招募人工智能團(tuán)隊(duì) 225
8.4 本章小結(jié) 230
第9 章 實(shí)踐——人工智能實(shí)施策略 231
9.1 購(gòu)買或構(gòu)建人工智能 231
9.1.1 “購(gòu)買”選項(xiàng)：一站式解決方案 233
9.1.2 “借用”選項(xiàng)：機(jī)器學(xué)習(xí)平臺(tái) 235
9.1.3 “構(gòu)建”選項(xiàng)：大干一場(chǎng) 237
9.2 使用精益戰(zhàn)略 239
9.2.1 從購(gòu)買解決方案開始 241
9.2.2 使用借用解決方案 243
9.2.3 自己動(dòng)手：構(gòu)建解決方案 244
9.3 理解人工智能的良性循環(huán) 246
9.4 管理人工智能項(xiàng)目 252
9.5 當(dāng)人工智能失敗時(shí) 254
9.5.1 Anki 255
9.5.2 Lighthouse AI 255
9.5.3 應(yīng)用于腫瘤治療的IBM Watson 256
9.5.4 情感日記 258
9.5.5 憤怒的電話 259
9.5.6 銷售業(yè)績(jī)不佳 260
9.6 本章小結(jié) 261
第10 章 人工智能的未來 263
10.1 人工智能如何威脅社會(huì) 264
10.1.1 偏見與公平 264
10.1.2 人工智能與就業(yè) 267
10.1.3 人工智能過濾器氣泡 270
10.1.4 當(dāng)人工智能失敗時(shí)：邊角案例和對(duì)抗攻擊 272
10.1.5 當(dāng)人工看起來真實(shí)時(shí)：人工智能生成的虛假內(nèi)容 274
10.2 人工智能在社會(huì)中的機(jī)遇 275
10.2.1 技術(shù)民主化 275
10.2.2 可擴(kuò)展性 277
10.3 人工智能在工業(yè)領(lǐng)域的機(jī)遇 278
10.3.1 社交媒體網(wǎng)絡(luò) 279
10.3.2 醫(yī)療健康 280
10.3.3 能源 284
10.3.4 制造業(yè) 285
10.3.5 金融 287
10.3.6 教育 288
10.4 通用人工智能 289
10.5 結(jié)語 290
10.6 本章小結(jié) 291
鄂公網(wǎng)安備 42010302001612號(hào) 