| 作者 |
| 创新工场DeeCamp组委会 |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121408458 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 创新工场讲AI课:从知识到实践 内容简介 创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营（简称DeeCamp训练营），训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题，旨在提升高校AI人才在行业应用中的实践能力，以及推进产学研深度结合。 本书以近两年DeeCamp训练营培训内容为基础，精选部分导师的授课课程及有代表性的学员参赛项目，以文字形式再现训练营“知识课程+产业实战”的教学模式和内容。全书共分为9章，第1章、第2章分别介绍AI赋能时代的创业、AI的产品化和工程化挑战；第3章至第8章聚焦于AI理论与产业实践的结合，内容涵盖机器学习、自然语言处理、计算机视觉、深度学习模型的压缩与加速等；第9章介绍了 4 个优秀实践课题，涉及自然语言处理和计算机视觉两个方向。 本书适合AI相关专业的高校在校生及AI行业的工程师使用，可作为他们了解AI产业和开拓视野的读物。 |
| 目录 |
| 创新工场讲AI课:从知识到实践 ★第1章 AI赋能时代的创业★ 1.1 中国AI如何弯道超车 1.2 AI从“发明期”进入“应用期” 1.2.1 深度学习助推AI进入“应用期” 1.2.2 To B创业迎来黄金发展期 1.2.3 “传统产业+AI”将创造巨大价值 1.2.4 AI赋能传统行业四部曲 1.3 AI赋能时代的创业特点 1.3.1 海外科技巨头成功因素解析 1.3.2 科学家创业的优势和短板 1.3.3 四因素降低AI产品化、商业化门槛 1.4 给未来AI人才的建议 ★第2章 AI的产品化和工程化挑战★ 2.1 从AI科研到AI商业化 2.2 产品经理视角—数据驱动的产品研发 2.2.1 数据驱动 2.2.2 典型C端产品的设计和管理 2.2.3 典型B端产品解决方案的设计和管理 2.2.4 AI技术的产品化 2.3 架构设计师视角—典型AI架构 2.3.1 为什么要重视系统架构 2.3.2 与AI相关的典型系统架构 2.4 写在本章*后的几句话 本章参考文献 ★第3章 机器学习的发展现状及前沿进展★ 3.1 机器学习的发展现状 3.2 机器学习的前沿进展 3.2.1 复杂模型 3.2.2 表示学习 3.2.3 自动机器学习 ★第4章 自然语言理解概述及主流任务★ 4.1 自然语言理解概述 4.2 NLP主流任务 4.2.1 中文分词 4.2.2 指代消解 4.2.3 文本分类 4.2.4 关键词（短语）的抽取与生成 4.2.5 文本摘要 4.2.6 情感分析 本章参考文献 ★第5章 机器学习在NLP领域的应用及产业实践★ 5.1 自然语言句法分析 5.1.1 自然语言句法分析的含义与背景 5.1.2 研究句法分析的几个要素 5.1.3 句法分析模型举例 5.2 深度学习在句法分析模型参数估计中的应用 5.2.1 符号嵌入 5.2.2 上下文符号嵌入 本章参考文献 ★第6章 计算机视觉前沿进展及实践★ 6.1 计算机视觉概念 6.2 计算机视觉认知过程 6.2.1 从低层次到高层次的理解 6.2.2 基本任务及主流任务 6.3 计算机视觉技术的前沿进展 6.3.1 图像分类任务 6.3.2 目标检测任务 6.3.3 图像分割任务 6.3.4 主流任务的前沿进展 6.4 基于机器学习的计算机视觉实践 6.4.1 目标检测比赛 6.4.2 蛋筒质检 6.4.3 智能货柜 本章参考文献 ★第7章 深度学习模型压缩与加速的技术发展与应用★ 7.1 深度学习的应用领域及面临的挑战 7.1.1 深度学习的应用领域 7.1.2 深度学习面临的挑战 7.2 深度学习模型的压缩和加速方法 7.2.1 主流压缩和加速方法概述 7.2.2 权重剪枝 7.2.3 权重量化 7.2.4 知识蒸馏 7.2.5 权重量化与权重剪枝结合并泛化 7.3 模型压缩与加速的应用场景 7.3.1 驾驶员安全检测系统 7.3.2 高级驾驶辅助系统 7.3.3 车路协同系统 本章参考文献 ★第8章 终端深度学习基础、挑战和工程实践★ 8.1 终端深度学习的技术成就及面临的核心问题 8.1.1 终端深度学习的技术成就 8.1.2 终端深度学习面临的核心问题 8.2 在冗余条件下减少资源需求的方法 8.3 在非冗余条件下减少资源需求的方法 8.3.1 特殊化模型 8.3.2 动态模型 8.4 深度学习系统的设计 8.4.1 实际应用场景中的挑战 8.4.2 实际应用场景中的问题解决 8.4.3 案例分析 本章参考文献 ★第9章 DeeCamp训练营*佳商业项目实战★ 9.1 方仔照相馆—AI辅助单张图像生成积木方头仔 9.1.1 让“AI方头仔”触手可及 9.1.2 理论支撑：BiSeNet和Mask R-CNN 9.1.3 任务分解：从图像分析到积木生成的实现 9.1.4 团队协作与时间安排 9.2 AI科幻世界—基于预训练语言模型的科幻小说生成系统 9.2.1 打造人机协作的科幻小说作家 9.2.2 理论支撑：语言模型、Transformer模型和GPT2预训练模型 9.2.3 从“找小说”到“写小说”的实现步骤 9.2.4 团队协作与时间安排 9.3 宠物健康识别—基于图像表征学习的宠物肥胖度在线检测系统 9.3.1 人人都能做“养宠达人” 9.3.2 理论支撑：表征学习、人脸识别原理和ArcFace损失函数 9.3.3 任务分解：从数据收集到肥胖度检测 9.3.4 团队协作与时间安排 9.4 商品文案生成—基于检索和生成的智能文案系统 9.4.1 智能内容生成 9.4.2 理论支撑：Word2Vec词嵌入、预训练语言模型BERT和Seq2Seq文本生成 9.4.3 任务分解：“寻章摘句”和“文不加点” 9.4.4 团队协作与时间安排 本章参考文献 |