注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能創(chuàng)新工場(chǎng)講AI課:從知識(shí)到實(shí)踐

創(chuàng)新工場(chǎng)講AI課:從知識(shí)到實(shí)踐

創(chuàng)新工場(chǎng)講AI課:從知識(shí)到實(shí)踐

定 價(jià):¥89.00

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

購(gòu)買這本書(shū)可以去


ISBN: 9787121408458 出版時(shí)間: 2021-05-01 包裝: 平裝
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 296 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  創(chuàng)新工場(chǎng)于2017年發(fā)起了面向高校在校生的DeeCamp人工智能訓(xùn)練營(yíng)(簡(jiǎn)稱DeeCamp訓(xùn)練營(yíng)),訓(xùn)練營(yíng)內(nèi)容涵蓋學(xué)術(shù)界與產(chǎn)業(yè)界領(lǐng)軍人物帶來(lái)的全新AI知識(shí)體系和來(lái)自產(chǎn)業(yè)界的真實(shí)實(shí)踐課題,旨在提升高校AI人才在行業(yè)應(yīng)用中的實(shí)踐能力,以及推進(jìn)產(chǎn)學(xué)研深度結(jié)合。本書(shū)以近兩年DeeCamp訓(xùn)練營(yíng)培訓(xùn)內(nèi)容為基礎(chǔ),精選部分導(dǎo)師的授課課程及有代表性的學(xué)員參賽項(xiàng)目,以文字形式再現(xiàn)訓(xùn)練營(yíng)“知識(shí)課程+產(chǎn)業(yè)實(shí)戰(zhàn)”的教學(xué)模式和內(nèi)容。全書(shū)共分為9章,第1章、第2章分別介紹AI賦能時(shí)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(shí)踐的結(jié)合,內(nèi)容涵蓋機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)模型的壓縮與加速等;第9章介紹了 4 個(gè)優(yōu)秀實(shí)踐課題,涉及自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)兩個(gè)方向。本書(shū)適合AI相關(guān)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(kāi)拓視野的讀物。

作者簡(jiǎn)介

  ★★主要作者(按章節(jié)順序排序)★★★李開(kāi)復(fù)★ 李開(kāi)復(fù)博士于2009年創(chuàng)立創(chuàng)新工場(chǎng),擔(dān)任董事長(zhǎng)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(shù)趨勢(shì)。十多年來(lái)創(chuàng)新工場(chǎng)已經(jīng)投資逾400個(gè)創(chuàng)業(yè)項(xiàng)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(chǎng)人工智能工程院,致力于利用最前沿的AI技術(shù)為企業(yè)提供人工智能產(chǎn)品與解決方案。在此之前,李開(kāi)復(fù)博士曾是谷歌中國(guó)全球副總裁兼大中華區(qū)總裁,擔(dān)任微軟全球副總裁期間開(kāi)創(chuàng)了微軟亞洲研究院,并曾服務(wù)于蘋(píng)果、SGI等知名科技企業(yè)。李開(kāi)復(fù)在美國(guó)哥倫比亞大學(xué)取得計(jì)算機(jī)科學(xué)學(xué)士學(xué)位,以zui gao榮譽(yù)畢業(yè)于卡耐基梅隆大學(xué)獲得博士學(xué)位。同時(shí),李開(kāi)復(fù)獲得香港城市大學(xué)、卡耐基梅隆大學(xué)榮譽(yù)博士學(xué)位。李開(kāi)復(fù)獲選為美國(guó)電機(jī)電子工程師學(xué)會(huì)(IEEE)的院士,并被《時(shí)代》雜志評(píng)選為2013影響全球100位年度人物之一,《Wired 連線》本世紀(jì)推動(dòng)科技全球25位標(biāo)桿人物,2018亞洲商界領(lǐng)袖獎(jiǎng)等殊榮,并出任世界經(jīng)濟(jì)論壇第四次工業(yè)革命中心的AI委員會(huì)聯(lián)席主席。李開(kāi)復(fù)博士發(fā)明過(guò)十項(xiàng)美國(guó)專利,發(fā)表逾百篇專業(yè)期刊或會(huì)議論文,并出版過(guò)十本中文暢銷書(shū)?!锿踉亜偂?王詠剛,現(xiàn)任創(chuàng)新工場(chǎng)CTO人工智能工程院執(zhí)行院長(zhǎng),加入創(chuàng)新工場(chǎng)前擔(dān)任谷歌主任工程師和高級(jí)技術(shù)經(jīng)理超過(guò)十年,在谷歌參與或負(fù)責(zé)研發(fā)的項(xiàng)目包括桌面搜索、谷歌拼音輸入法、產(chǎn)品搜索、知識(shí)圖譜、谷歌首頁(yè)涂鴉(Doodles)等,在知識(shí)圖譜、分布式系統(tǒng)、自然語(yǔ)言處理、HTML5動(dòng)畫(huà)和游戲引擎等領(lǐng)域擁有豐富的工程研發(fā)經(jīng)驗(yàn)。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(shí)也是人工智能高端應(yīng)用型人才培養(yǎng)項(xiàng)目DeeCamp的發(fā)起者?!飶堜?張潼博士,機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際著名專家,擁有美國(guó)康奈爾大學(xué)數(shù)學(xué)和計(jì)算機(jī)雙學(xué)士學(xué)位,以及斯坦福大學(xué)計(jì)算機(jī)碩士和博士學(xué)位,在香港科技大學(xué)數(shù)學(xué)系和計(jì)算機(jī)系任教。曾經(jīng)擔(dān)任美國(guó)新澤西州立大學(xué)終身教授,IBM研究院研究員和雅虎研究院主任科學(xué)家,百度研究院副院長(zhǎng)和大數(shù)據(jù)實(shí)驗(yàn)室負(fù)責(zé)人,騰訊AI Lab主任。他曾參加美國(guó)國(guó)家科學(xué)院大數(shù)據(jù)專家委員會(huì),負(fù)責(zé)過(guò)多個(gè)美國(guó)國(guó)家科學(xué)基金資助的大數(shù)據(jù)研究項(xiàng)目,此外還是美國(guó)統(tǒng)計(jì)學(xué)會(huì)和國(guó)際數(shù)理統(tǒng)計(jì)學(xué)會(huì)fellow,并擔(dān)任NIPS、ICML、COLT等國(guó)際頂級(jí)機(jī)器學(xué)習(xí)會(huì)議主席或領(lǐng)域主席,以及PAMI, JMLR, 和Machine Learning Journal等國(guó)際一流人工智能期刊編委?!锼螐?宋彥博士,香港中文大學(xué)(深圳) 數(shù)據(jù)科學(xué)學(xué)院副教授,創(chuàng)新工場(chǎng)大灣區(qū)研究院首席科學(xué)家。歷任微軟、騰訊研究員及首席研究員,創(chuàng)新工場(chǎng)大灣區(qū)研究院執(zhí)行院長(zhǎng)等職,是 “微軟小冰”項(xiàng)目的創(chuàng)始團(tuán)隊(duì)成員之一,其研究方向包括自然語(yǔ)言處理、信息檢索和抽取、文本表征學(xué)習(xí)等?!锿揽蓚ァ?屠可偉博士,上??萍即髮W(xué)信息科學(xué)與技術(shù)學(xué)院長(zhǎng)聘副教授、研究員、博士生導(dǎo)師。研究方向包括自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、知識(shí)表示、計(jì)算機(jī)視覺(jué)等人工智能領(lǐng)域,側(cè)重于研究語(yǔ)言結(jié)構(gòu)的表示、學(xué)習(xí)與應(yīng)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(xué)客座教授。2008年畢業(yè)于中國(guó)科學(xué)院軟件研究所,同年加入微軟,負(fù)責(zé)Office相關(guān)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(dǎo)和參與Google搜索引擎、Google知識(shí)圖譜等相關(guān)工作;2015年,加入百度,作為百度云早期創(chuàng)始團(tuán)隊(duì)成員之一,曾任百度云計(jì)算事業(yè)部技術(shù)委員會(huì)主席,百度云計(jì)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(shù)研發(fā)和管理經(jīng)驗(yàn),涉及企業(yè)級(jí)軟件、室內(nèi)地圖定位與導(dǎo)航、互聯(lián)網(wǎng)搜索引擎、全領(lǐng)域知識(shí)圖譜、大數(shù)據(jù)計(jì)算與存儲(chǔ)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器視覺(jué)等眾多領(lǐng)域。工作期間獲得10余項(xiàng)美國(guó)專利,70余項(xiàng)中國(guó)專利,發(fā)表過(guò)多篇頂級(jí)會(huì)議學(xué)術(shù)論文?!锾苿Α?唐劍博士,滴滴智能控制首席科學(xué)家,AI Labs 負(fù)責(zé)人兼算法委員會(huì)主席,IEEE Fellow和ACM杰出科學(xué)家,領(lǐng)導(dǎo)滴滴在智能物聯(lián)網(wǎng)、計(jì)算機(jī)視覺(jué)和自動(dòng)駕駛方向上的研發(fā)。 他在國(guó)際頂級(jí)期刊和會(huì)議上發(fā)表了160多篇學(xué)術(shù)論文,擁有多項(xiàng)發(fā)明專利,在邊緣智能、AI驅(qū)動(dòng)的系統(tǒng)控制和群智感知方向上做出開(kāi)創(chuàng)性貢獻(xiàn),并多次獲得最佳論文獎(jiǎng), 其中包括通信網(wǎng)絡(luò)領(lǐng)域的zui gao論文獎(jiǎng)2019 年度IEEE 通信學(xué)會(huì)William R. Bennett Prize和IEEE車載技術(shù)學(xué)會(huì)2016年度最佳車載電子論文獎(jiǎng)。目前還擔(dān)任中國(guó)電子學(xué)會(huì)物聯(lián)網(wǎng)專委會(huì)專家委員、新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟專家委員會(huì)委員、IEEE車載技術(shù)學(xué)會(huì)杰出演講人、以及IEEE通信學(xué)會(huì)交換和路由技術(shù)委員會(huì)主席。 ★張彌★ 張彌博士,現(xiàn)任密歇根州立大學(xué)副教授,2006年畢業(yè)于北京大學(xué),2013年獲得美國(guó)南加州大學(xué)博士學(xué)位,2013-2014年在美國(guó)康奈爾大學(xué)任博士后。主要研究領(lǐng)域包括終端深度學(xué)習(xí)、自動(dòng)機(jī)器學(xué)習(xí)、聯(lián)邦學(xué)習(xí)和機(jī)器學(xué)習(xí)系統(tǒng)。本人及其研究團(tuán)隊(duì)在2019年Google MicroNet Challenge 全球競(jìng)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(jìng)賽中獲得第三名,在2016年NIH Pill Image Recognition Challenge全球競(jìng)賽中獲得冠軍。★吳佳洪★ 吳佳洪,創(chuàng)新奇智高級(jí)研究員,2017年畢業(yè)于北京大學(xué)。曾帶隊(duì)獲得Pascal Voc 世界冠軍、Cityscapes 實(shí)例分割冠軍、ADE20K物體分割冠軍等;曾負(fù)責(zé)創(chuàng)新奇智無(wú)人貨柜項(xiàng)目的算法工作,專注于計(jì)算機(jī)視覺(jué)領(lǐng)域,發(fā)表過(guò)多篇CVPR論文?!飫帯?劉寧博士,滴滴資深研究員,畢業(yè)于美國(guó)東北大學(xué)計(jì)算機(jī)工程系。研究領(lǐng)域包括深度增強(qiáng)學(xué)習(xí)、深度模型壓縮與加速、邊緣計(jì)算等。在國(guó)際頂級(jí)期刊和會(huì)議AAAI, MICRO, ASPLOS,ISCA等發(fā)表學(xué)術(shù)論文20余篇,發(fā)表多項(xiàng)發(fā)明專利。

圖書(shū)目錄

★第1章 AI賦能時(shí)代的創(chuàng)業(yè)★
1.1 中國(guó)AI如何彎道超車
1.2 AI從“發(fā)明期”進(jìn)入“應(yīng)用期”
1.2.1 深度學(xué)習(xí)助推AI進(jìn)入“應(yīng)用期”
1.2.2 To B創(chuàng)業(yè)迎來(lái)黃金發(fā)展期
1.2.3 “傳統(tǒng)產(chǎn)業(yè)+AI”將創(chuàng)造巨大價(jià)值
1.2.4 AI賦能傳統(tǒng)行業(yè)四部曲
1.3 AI賦能時(shí)代的創(chuàng)業(yè)特點(diǎn)
1.3.1 海外科技巨頭成功因素解析
1.3.2 科學(xué)家創(chuàng)業(yè)的優(yōu)勢(shì)和短板
1.3.3 四因素降低AI產(chǎn)品化、商業(yè)化門(mén)檻
1.4 給未來(lái)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(dòng)的產(chǎn)品研發(fā)
2.2.1 數(shù)據(jù)驅(qū)動(dòng)
2.2.2 典型C端產(chǎn)品的設(shè)計(jì)和管理
2.2.3 典型B端產(chǎn)品解決方案的設(shè)計(jì)和管理
2.2.4 AI技術(shù)的產(chǎn)品化
2.3 架構(gòu)設(shè)計(jì)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(guān)的典型系統(tǒng)架構(gòu)
2.4 寫(xiě)在本章最后的幾句話
本章參考文獻(xiàn)

★第3章 機(jī)器學(xué)習(xí)的發(fā)展現(xiàn)狀及前沿進(jìn)展★
3.1 機(jī)器學(xué)習(xí)的發(fā)展現(xiàn)狀
3.2 機(jī)器學(xué)習(xí)的前沿進(jìn)展
3.2.1 復(fù)雜模型
3.2.2 表示學(xué)習(xí)
3.2.3 自動(dòng)機(jī)器學(xué)習(xí)

★第4章 自然語(yǔ)言理解概述及主流任務(wù)★
4.1 自然語(yǔ)言理解概述
4.2 NLP主流任務(wù)
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(guān)鍵詞(短語(yǔ))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(xiàn)

★第5章 機(jī)器學(xué)習(xí)在NLP領(lǐng)域的應(yīng)用及產(chǎn)業(yè)實(shí)踐★
5.1 自然語(yǔ)言句法分析
5.1.1 自然語(yǔ)言句法分析的含義與背景
5.1.2 研究句法分析的幾個(gè)要素
5.1.3 句法分析模型舉例
5.2 深度學(xué)習(xí)在句法分析模型參數(shù)估計(jì)中的應(yīng)用
5.2.1 符號(hào)嵌入
5.2.2 上下文符號(hào)嵌入
本章參考文獻(xiàn)

★第6章 計(jì)算機(jī)視覺(jué)前沿進(jìn)展及實(shí)踐★
6.1 計(jì)算機(jī)視覺(jué)概念
6.2 計(jì)算機(jī)視覺(jué)認(rèn)知過(guò)程
6.2.1 從低層次到高層次的理解
6.2.2 基本任務(wù)及主流任務(wù)
6.3 計(jì)算機(jī)視覺(jué)技術(shù)的前沿進(jìn)展
6.3.1 圖像分類任務(wù)
6.3.2 目標(biāo)檢測(cè)任務(wù)
6.3.3 圖像分割任務(wù)
6.3.4 主流任務(wù)的前沿進(jìn)展
6.4 基于機(jī)器學(xué)習(xí)的計(jì)算機(jī)視覺(jué)實(shí)踐
6.4.1 目標(biāo)檢測(cè)比賽
6.4.2 蛋筒質(zhì)檢
6.4.3 智能貨柜
本章參考文獻(xiàn)

★第7章 深度學(xué)習(xí)模型壓縮與加速的技術(shù)發(fā)展與應(yīng)用★
7.1 深度學(xué)習(xí)的應(yīng)用領(lǐng)域及面臨的挑戰(zhàn)
7.1.1 深度學(xué)習(xí)的應(yīng)用領(lǐng)域
7.1.2 深度學(xué)習(xí)面臨的挑戰(zhàn)
7.2 深度學(xué)習(xí)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(shí)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(yīng)用場(chǎng)景
7.3.1 駕駛員安全檢測(cè)系統(tǒng)
7.3.2 高級(jí)駕駛輔助系統(tǒng)
7.3.3 車路協(xié)同系統(tǒng)
本章參考文獻(xiàn)

★第8章 終端深度學(xué)習(xí)基礎(chǔ)、挑戰(zhàn)和工程實(shí)踐★
8.1 終端深度學(xué)習(xí)的技術(shù)成就及面臨的核心問(wèn)題
8.1.1 終端深度學(xué)習(xí)的技術(shù)成就
8.1.2 終端深度學(xué)習(xí)面臨的核心問(wèn)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(dòng)態(tài)模型
8.4 深度學(xué)習(xí)系統(tǒng)的設(shè)計(jì)
8.4.1 實(shí)際應(yīng)用場(chǎng)景中的挑戰(zhàn)
8.4.2 實(shí)際應(yīng)用場(chǎng)景中的問(wèn)題解決
8.4.3 案例分析
本章參考文獻(xiàn)

★第9章 DeeCamp訓(xùn)練營(yíng)最佳商業(yè)項(xiàng)目實(shí)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(wù)分解:從圖像分析到積木生成的實(shí)現(xiàn)
9.1.4 團(tuán)隊(duì)協(xié)作與時(shí)間安排
9.2 AI科幻世界—基于預(yù)訓(xùn)練語(yǔ)言模型的科幻小說(shuō)生成系統(tǒng)
9.2.1 打造人機(jī)協(xié)作的科幻小說(shuō)作家
9.2.2 理論支撐:語(yǔ)言模型、Transformer模型和GPT2預(yù)訓(xùn)練模型
9.2.3 從“找小說(shuō)”到“寫(xiě)小說(shuō)”的實(shí)現(xiàn)步驟
9.2.4 團(tuán)隊(duì)協(xié)作與時(shí)間安排
9.3 寵物健康識(shí)別—基于圖像表征學(xué)習(xí)的寵物肥胖度在線檢測(cè)系統(tǒng)
9.3.1 人人都能做“養(yǎng)寵達(dá)人”
9.3.2 理論支撐:表征學(xué)習(xí)、人臉識(shí)別原理和ArcFace損失函數(shù)
9.3.3 任務(wù)分解:從數(shù)據(jù)收集到肥胖度檢測(cè)
9.3.4 團(tuán)隊(duì)協(xié)作與時(shí)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(yù)訓(xùn)練語(yǔ)言模型BERT和Seq2Seq文本生成
9.4.3 任務(wù)分解:“尋章摘句”和“文不加點(diǎn)”
9.4.4 團(tuán)隊(duì)協(xié)作與時(shí)間安排
本章參考文獻(xiàn)

本目錄推薦

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