认知计算攻略使用CognitiveServices和TensorFlow
全新正版现货
￥ 74 7.6折 ￥ 98 全新
仅1件
四川成都
认证卖家担保交易快速发货售后保障
作者[巴基斯坦]阿德南·马苏德（Adnan Masood） 阿德南·拉希米（Adnan Hashmi）著 蒲成 译
出版社清华大学出版社
ISBN9787302554356
出版时间2020-08
装帧平装
开本16开
纸张胶版纸
定价98元
货号29140740
上书时间2024-07-20
- 在售商品 暂无
- 平均发货时间 15小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版全新
- 商品描述
-
【编辑推荐】:
《认知计算攻略 使用Cognitive Services和TensorFlow》通过完整且真实的代码示例解决AI和机器学习问题。本书使用了一种从提出问题到给出解决方案的方式，以便通过提供诸如认知服务API、机器学习平台和库的工具组合来让日常开发人员都可以接触到深度学习和机器学习。
《认知计算攻略 使用Cognitive Services和TensorFlow》提供了同时期技术体系的概览，涵盖了机器学习和深度学习的业务用例。通过讲解诸如数字化助理、计算机视觉、文本分析、语音和机器人流程自动化的主题，提供一套全面的工具集以便让读者可以快速且容易地应用到自己的项目中。本书重点介绍的是Microsoft Cognitive Services的能力应用，讲解使用包括TensorFlow和CNTK在内的多种不同环境来实现的方案，以便让读者能够更宽泛地审视深度学习生态系统。
【内容简介】:
读者将：
● 使用Microsoft Cognitive Services API构建可用于生产环境的解决方案
● 解决自然语言处理和计算机视觉中的企业问题
● 探究机器学习开发生命周期——从正式的问题定义到规模化部署
【作者简介】:
Adnan Masood博士是一位人工智能和机器学习的研究者、斯坦福大学AI实验室的访问学者、软件工程师以及人工智能领域的Microsoft MVP(Most Valuable Professional，*有价值专家)。作为UST Global AI和机器学习的shou席架构师，他与斯坦福人工智能实验室和MIT CSAIL协作，带领一个数据科学家和工程师团队致力于构建人工智能解决方案，以便获得影响一系列业务、产品和倡议计划的业务价值和见解。
在其职业生涯中，Masood博士是财富500强企业到创业公司的管理层的值得信赖的顾问。Adnan是Amazon编程语言领域畅销书Functional Programming with F#的作者，他在美国帕克大学讲授数据科学，并且曾在UCSD讲授Windows WCF课程。他是各种学术和技术会议、代码训练营以及用户小组的国际演讲者。
Adnan Hashmi在技术领域拥有20年经验，他与医疗健康、金融、建筑和咨询行业的许多客户合作过。他目前在Microsoft从事数据和AI领域的工作，为金融服务业的客户提供支持。他拥有巴基斯坦卡拉奇市沙希德佐勒菲卡尔•阿里•布托科技研究所(Shaheed Zulfikar Ali Bhutto Institute of Science & Technology，SZABIST)的软件工程硕士学位，并且对于机器学习、音乐和教育充满了热情。
【目录】:
第1章 使用认知服务实现AI民主化 1
1.1 AI民主化 3
1.1.1 机器学习库 4
1.1.2 机器学习和深度学习目前的状态 5
1.2 为人工智能构建业务用例 6
1.2.1 自然语言理解和生成 7
1.2.2 语音识别 7
1.2.3 认知数字助理 7
1.2.4 非结构化文本分析 8
1.2.5 决策管理 8
1.2.6 机器人流程自动化 8
1.3 机器学习的五大流派 8
1.4 Microsoft认知服务——概述 9
1.4.1 语音 11
1.4.2 语言 11
1.4.3 知识 11
1.4.4 搜索 11
1.5 人工智能的伦理规范 12
1.6 结语 13
第2章 构建对话式接口 15
2.1 对话式UI的组成部分 15
2.2 开始使用机器人框架 16
2.3 Bot Framework SDK示例 19
2.4 攻略2-1：构建YodaBot 21
2.4.1 问题 21
2.4.2 解决方案 21
2.4.3 运行机制 24
2.5 攻略2-2：使用Azure Bot Service创建机器人 29
2.5.1 问题 29
2.5.2 解决方案 29
2.5.3 运行机制 30
2.6 攻略2-3：构建一个问答机器人 35
2.6.1 问题 35
2.6.2 解决方案 35
2.6.3 运行机制 35
2.7 攻略2-4：数据中心健康监测机器人 42
2.7.1 问题 42
2.7.2 解决方案 43
2.7.3 运行机制 43
2.8 通过Resource Manager模板设置Azure部署 63
第3章 眼见为实：自定义视觉 69
3.1 热狗，非热狗 71
3.1.1 问题 71
3.1.2 解决方案 71
3.2 构建自定义视觉以训练安防系统 77
3.2.1 问题 78
3.2.2 解决方案 78
3.3 使用认知服务计算机视觉API构建说明标注机器人 87
3.3.1 问题 87
3.3.2 解决方案 87
3.3.3 DAQUAR挑战 101
3.4 使用CustomVision.AI研究冰箱 101
3.4.1 问题 101
3.4.2 解决方案 101
3.5 现在使用认知工具集研究冰箱 109
3.5.1 问题 109
3.5.2 解决方案 109
3.6 使用自定义视觉进行产品和部件识别 122
3.6.1 问题 122
3.6.2 解决方案 122
3.7 在CNTK中使用自定义视觉模型搜索服饰 141
3.7.1 问题 141
3.7.2 解决方案 141
第4章 文本分析：暗数据前沿 155
4.1 文本分析生态系统概览 156
4.1.1 CoreNLP 156
4.1.2 NLTK——Python自然语言工具集 157
4.1.3 SpaCY 157
4.1.4 Gensim 158
4.1.5 Word2Vec 158
4.1.6 GloVe——词表示的全局向量 159
4.1.7 DeepDive——功能，而非算法 159
4.1.8 Snorkel——用于快速训练数据创建的系统 159
4.1.9 Fonduer——来自富格式化数据的知识库构造 160
4.1.10 TextBlob——简化文本处理 160
4.1.11 基于云端的文本分析和API 160
4.2 索赔分类 161
4.2.1 问题 161
4.2.2 解决方案 161
4.2.3 运行机制 162
4.3 获悉公司的健康状况 169
4.3.1 问题 169
4.3.2 解决方案 169
4.3.3 运行机制 170
4.4 文本自动摘要 175
4.4.1 问题 175
4.4.2 解决方案 175
4.4.3 运行机制 181
第5章 认知机器人技术处理自动化：自动执行 183
5.1 从音频中提取意图 185
5.1.1 问题 185
5.1.2 解决方案 185
5.1.3 运行机制 186
5.1.4 创建一个LUIS端点 186
5.1.5 创建LUIS应用并且针对用户话语进行训练 188
5.1.6 在Visual Studio 2017中编写控制台应用的代码 195
5.2 用于自动化技术支持工单生成的电子邮件分类和分发 203
5.2.1 问题 203
5.2.2 解决方案 203
5.2.3 运行机制 204
5.3 异常检测：欺诈性信用卡交易案例 215
5.3.1 问题 215
5.3.2 解决方案 215
5.3.3 运行机制 215
5.4 大海捞针：时序中的交叉相关性 220
5.4.1 问题 220
5.4.2 解决方案 220
5.4.3 运行机制 220
5.5 理解交易模式：对于能源的需求预测 226
5.5.1 问题 226
5.5.2 解决方案 226
5.5.3 运行机制 227
第6章 知识管理和智能搜索 233
6.1 探究Azure Search索引处理 236
6.1.1 问题 236
6.1.2 解决方案 236
6.1.3 运行机制 238
6.2 使用LUIS进行自然语言搜索 239
6.2.1 问题 239
6.2.2 解决方案 239
6.2.3 运行机制 240
6.3 实现实体搜索 264
6.3.1 问题 264
6.3.2 解决方案 264
6.3.3 运行机制 265
6.4 获取论文摘要 268
6.4.1 问题 268
6.4.2 解决方案 268
6.4.3 运行机制 269
6.5 在文本分析中识别连接实体 273
6.5.1 问题 273
6.5.2 解决方案 273
6.5.3 运行机制 273
6.6 应用认知型搜索 275
6.6.1 问题 275
6.6.2 解决方案 275
6.6.3 创建一个存储 277
6.6.4 上传数据集 278
第7章 AIOps：运维中的预测分析与机器学习 285
7.1 使用Grakn构建知识图谱 286
7.1.1 问题 286
7.1.2 解决方案 287
7.1.3 运行机制 287
7.2 使用Cognitive Services Labs Project Anomaly Finder检测异常 296
7.2.1 问题 296
7.2.2 解决方案 297
7.2.3 运行机制 297
第8章 行业中的AI用例 305
8.1 金融服务 305
8.2 手机诈骗检测 305
8.2.1 问题 305
8.2.2 解决方案 305
8.3 在途资金优化 306
8.3.1 问题 306
8.3.2 解决方案 307
8.4 事故倾向性预测(保险) 307
8.4.1 问题 307
8.4.2 解决方案 307
8.5 医疗健康 307
8.6 精确诊断和病患治疗结果预测 309
8.6.1 问题 309
8.6.2 解决方案 309
8.7 医院再入院预测和预防 309
8.7.1 问题 309
8.7.2 解决方案 309
8.8 汽车工业和制造业 310
8.9 预测式维护 311
8.9.1 问题 311
8.9.2 解决方案 311
8.10 零售业 311
8.11 个性化零售实体店体验 311
8.11.1 问题 311
8.11.2 解决方案 312
8.12 快餐式汽车餐厅自动化问题 313
8.12.1 问题 313
8.12.2 解决方案 313
8.13 结语 315
附录A 公共数据集&深度学习模型仓库 317
— 没有更多了 —
以下为对购买帮助不大的评价