阿里云天池大赛赛题解析 深度学篇 人工智能 天池台 新华正版
三大经典深度学赛题，真实的业务场景，涉及医疗、和文娱，带你入门算竞赛
￥ 55.54 5.1折 ￥ 108 全新
库存7件
江苏无锡
认证卖家担保交易快速发货售后保障
作者天池台
出版社电子工业出版社
ISBN9787121417818
出版时间2021-09
版次1
装帧平装
开本16开
页数264页
字数290千字
定价108元
货号xhwx_1202473227
上书时间2023-11-18
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
本书由戴琼海院士、阿里云智能事业群裁张建锋、阿里巴巴副裁及各个领域的多位专家联合。本书遴选阿里云天池台三大经典赛题，分别来自医疗、和文娱的真实业务场景，覆盖计算机视觉和自然语言处理两大热门方向。
目录：
赛题一 瑞金医院mmc人工智能辅助构建知识图谱
0 技术背景3
0.1 技术现状3
0.2 实验室介绍3
1 赛题解读7
1.1 赛题背景7
1.2 知识图谱7
1.2.1 知识图谱的发展历史7
1.2.2 如何表达知识9
1.2.3 如何构建知识图谱11
1.2.4 如何进行知识推理13
1.3 数据介绍15
1.3.1 初赛数据16
1.3.2 复赛数据17
1.4 评测指标18
2 数据处理19
2.1 自然语言处理基础19
2.1.1 词向量19
2.1.2 语言模型20
2.1.3 自然语言处理中的深度学24
2.2 数据预处理29
2.2.1 .txt文件29
2.2.2 .ann文件30
2.2.3 使用python解析文件32
3 初赛赛题――实体识别35
3.1 实体识别任务35
3.2 传统机器学方36
3.2.1 概率图模型36
3.2.2 隐马尔可夫模型38
3.2.3 优选熵马尔可夫模型39
3.2.4 条件场模型40
3.3 深度学方41
3.3.1 双向循环神经网络41
3.3.2 双向循环神经网络+条件场模型43
3.4 初赛方案44
3.4.1 数据集构建44
3.4.2 特征工程46
3.4.3 模型构建47
4 复赛赛题――关系抽取53
4.1 关系抽取任务53
4.2 传统方53
4.2.1 基于模板的抽取53
4.2.2 基于依存句的抽取54
4.2.3 基于统计机器学的抽取55
4.3 深度学方56
4.3.1 监督学56
4.3.2 半监督学57
4.4 复赛方案59
4.4.1 数据集构建59
4.4.2 特征工程62
4.4.3 模型构建63
5 neo4j存储知识图谱69
5.1 neo4j介绍69
5.2 neo4j配置70
5.2.1 安装70
5.2.2 web管理台71
5.2.3 neo4j-shell72
5.3 数据库构建72
5.3.1 准备工作72
5.3.2 创建数据库72
5.3.3 事务73
5.3.4 创建节点73
5.3.5 创建关系74
5.3.6 查询74
5.4 cypher查询75
5.4.1 读语句76
5.4.2 写语句76
5.4.3 通用语句78
6 赛题讨论80
6.1 数据标注方80
6.1.1 指针标注80
6.1.2 片段排列81
6.2 联合抽取82
6.2.1 共享参数82
6.2.2 联合标注84
6.3 大规模预训练语言模型86
6.3.1 elmo模型86
6.3.2 gpt模型87
6.3.3 bert模型89
6.3.4 使用bert模型进行实体识别与关系抽取90
赛题二 阿里巴巴优酷增强和超分辨率挑战赛
0 技术背景95
0.1 业界应用95
0.2 文娱行业面临的画质问题95
0.3 实验室介绍和技术手段96
0.4 重点模块97
0.5 处理效果98
1 赛题解读100
1.1 赛题背景100
1.2 赛题目标100
1.3 数据概览100
1.4 评估指标101
1.5 解题思路102
1.6 赛题模型103
2 数据处理105
2.1 和图像处理105
2.1.1 图像基本概念105
2.1.2 基本概念106
2.1.3 分帧107
2.1.4 图像处理108
2.1.5 图片合成110
2.2 工具包111
2.2.1 opencv库111
2.2.2 ffmpeg库112
2.3 数据处理112
2.3.1 安装工具包112
2.3.2 导入工具包112
2.3.3 转图片函数112
2.3.4 读取图片并获取大小113
2.3.5 读取图片并进行灰度处理114
2.3.6 分帧后的图片灰度处理114
2.3.7 图片转函数115
3 传统插值方117
3.1 插值方117
3.1.1 插值方的基本概念117
3.1.2 插值118
3.2 插值算118
3.2.1 近邻插值算119
3.2.2 双线插值算119
3.2.3 双三次插值算120
3.3 几种传统插值算结果对比121
3.4 数据处理122
3.4.1 导入工具包122
3.4.2 读取图片122
3.4.3 近邻插值算122
3.4.4 双线插值算123
3.4.5 基于4px×4px邻域的三次插值算123
3.4.6 不同插值函数计算nr123
3.4.7 传统插值方效果对比123
3.4.8 bicubic插值算124
4 深度插值方126
4.1 深度学126
4.1.1 卷积神经网络126
4.1.2 使用srn实现超清分辨率132
4.2 赛题实践132
4.2.1 导入工具包132
4.2.2 读取图片133
4.2.3 使用bicubic插值放大至目标尺寸133
4.2.4 实现srn133
4.2.5 srn模型训练133
4.2.6 srn模型验证135
4.2.7 srn模型预测135
4.2.8 保存图片135
5 深度学方改进136
5.1 fsrn实现超清分辨率136
5.2 esp实现超清分辨率138
5.3 赛题实践140
5.3.1 导入工具包140
5.3.2 读取图片140
5.3.3 fsrn140
5.3.4 esp142
6 深度学方145
6.1 gan基本概念145
6.1.1 gan生成手写数字146
6.1.2 gan训练147
6.1.3 gan算数学形式148
6.2 cgan149
6.3 vgg150
6.4 res153
6.5 srgan结构156
6.5.1 srgan损失函数157
6.5.2 srgan效果157
6.6 srgan实现超清分辨率158
6.6.1 导入工具包158
6.6.2 读取图片159
6.6.3 实现srgan159
6.6.4 srgan模型训练163
6.6.5 srgan模型验证163
6.6.6 srgan模型预测163
6.6.7 保存图片163
赛题三 布匹疵点智能识别
（2019广东智造创新大赛 赛场一）
0 技术背景167
0.1 行业背景167
0.2 实验室产品介绍168
0.3 赛题背景170
0.4 初赛数据示例171
0.5 复赛数据示例172
1 赛题解析173
1.1 赛题背景分析173
1.2 计算机视觉174
1.2.1 计算机视觉简介174
1.2.2 计算机视觉发展历史175
1.2.3 计算机视觉方177
1.3 数据集介绍178
1.4 赛题指标介绍179
1.5 赛题初步分析181
2 深度学基础182
2.1 感知机182
2.2 梯度下降184
2.3 多层感知机186
2.4 反向传播189
2.5 深度神经网络pytorch实现189
3 卷积神经网络与数据处理193
3.1 卷积运算与互相关运算193
3.2 卷积神经网络195
3.3 卷积神经网络的反向传播算198
3.4 卷积神经网络pytorch实现199
3.4.1 卷积神经网络简单实现示例199
3.4.2 竞赛数据预训练模型202
4 区域卷积神经网络系列算204
4.1 目标检测的基本概念204
4.2 区域卷积神经网络205
4.3 fast r-n算210
4.4 faster r-n算214
4.5 目标检测faster r-n算实战218
5 实例分割mask r-n算226
5.1 实例分割226
5.2 mask r-n算226
5.3 pytorch实现实例分割230
6 赛题很优算与提升思路237
6.1 级联区域卷积神经网络237
6.2 目标检测赛题提升思路239
6.3 mm-detection框架下的算实现241
参文献242
内容简介：
本书聚焦深度学算建模及相关技术，选取医疗、、三个非常有行业代表的赛题：瑞金医院mmc人工智能辅助构建知识图谱、阿里巴巴优酷增强和超分辨率挑战赛和布匹疵点智能识别，介绍赛题涉及的技术知识和选手的创新思路与模型，对赛题的解决方案从0到1层层拆解。本书从经典行业案例出发，内容由浅入深、层层递进，既可以作为专业开发者用书，也可以作为参选手的实战手册。
精彩书评：
"人工智能的落地往往发生在与生命科学、医学、、等领域的交应用之上，这不仅需要理论推导，更需要动手实践。在人工智能的人才培养中，我们迫切需要建立起理论与实践并重的教育模式，通过实践项目、学科竞赛等多种方式，丰富的实践经历，将从课堂和书本上学到的知识与课堂外的实战结合在一起。本书提供的三个案例涉及人工智能在医疗、、领域的经典应用，通过深入浅出的解读，实现了对理论知识的补充和升华，向大家力荐此书。院院士，清华大学教授、清华大学信息科学技术学院院长、清华大学脑与认知科学研究院院长，工智能学会理事长戴琼海当前，人工智能技术作为数字化转型升级的重要推动力和新一轮科技竞赛的制高点，已经被提升到战略高度。人工智能技术的快速迭代和大规模应用，正在益改变着人们的生活方式、产业结构，以及社会治理模式。作为实现人工智能的基础与核心技术，深度学一经问世迅速成为热点，推动语音、计算机视觉、自然语言处理等人工智能技术的快展，促工智能应用的普及。本书甄选了阿里云天池台上的三个人工智能赛题，深入浅出地介绍了深度学算及赛题应用，相信能帮助参赛选手和人工智能领域的开发者启发数据思维，带来切实收获，并推动深度学技术的进一步普及，为数字经济的发展添砖加瓦。阿里云智能事业群裁，达摩院院长张建锋（以下按姓氏拼音排序，排名不分先后。）近些年，随着深度学算的突破、算力和数据的发展，人工智能技术迎来了高展，神经网络赋予了机器感知能力，快速应用在社会的各行各业，推动了智慧城市、智慧、智慧农业的发展。很高兴看到阿里云天池台在这个领域产生了非常大的影响力，大量的商业、、医疗、公益领域的真实场景，通过天池台开放出来，被的各界人士使用。本书的赛题来自天池竞赛场景，并由天池选手众智编写，不仅讲解了算理论知识，还重点关注课题实践，学练相结合，能够更好地学以致用。阿里巴巴集团副裁，达摩院城市大脑实验室负责人，ieeefellow华先胜天池台通过多年的大数据及ai类比赛沉淀了实战案例和经验，通过在医疗、、文娱等行业的具体案例分析引导出基于深度学、机器学等基础理论来构建一个智能系统。本书由浅入深地讲述了与深度学相关的知识图谱、目标检测、分割等领域模型的知识及工具。本书适合ai相关专业的大和，以及不具有机器学或统计学背景但想要快速补充深度学知识，以便在实际产品或台中应用的软件工程师。复旦大学计算机学院教授，中国中文信息学会常务理事黄萱菁这是一本值得给ai开发者的好书。天池大赛的赛题本身是真实案例，拥有真实数据，而作者在这本书中，既详细讲解了赛题的技术背景，又深入浅出地讲解了解题思路和技术要点等。这些内容不但能让天池大赛的参与者获益匪浅，而且还有助于广大开发者真正熟悉场景，以及学如何应用ai技术解决实际问题。量子位创始人孟鸿阿里云天池台一直致力于大数据竞赛的推广，为高校及计算机从业人员提供了非常好的数据场景和算实战台。本书遴选了天池台经典的三个赛题，覆盖了计算机视觉和自然语言处理两个热门的人工智能技术方向，每个赛题自成体系，从背景介绍、、代码实践和模型调优等方面详细讲解了大赛赛题，希望本书的出版能给人工智能专业的和从业人员带来帮助。新加坡南洋理工大学南洋助理教授，机器推理和学（mreal）实验室负责人，2020年“ais10towatch”获得者张含望本书是天池台推出的阿里云天池大赛赛题解析—机器学篇的姊妹篇，重点介绍了计算机视觉和自然语言处理方向的技术和代码实践，选题来源丰富、有趣，三个赛题分别来自医疗、和文娱场景，涵盖了知识图谱、目标检测、分割等热门应用。人工智能是我国的重点战略方向，希望天池台能持续为我国人工智能人才的培养添砖加瓦。苏州大学特聘教授，博士生导师，杰出青年科学获得者张民作为一门冉冉升起的新兴学科，人工智能是学界与界距离近、交多的领域之一。不同于“象牙塔”里的很多学问，由于人工智能本身对算、算力、数据、场景的综合要求，很多人工智能学术进展的诞生本身发生在界，发生在应用的一线，发生在产业的“现场”。要想深入了解人工智能，掌握人工智能，仅仅靠理论知识是不够的，越是实战，越具指导价值。因此，力荐本书。其不绕弯子，单刀直入，对具体命题抽丝剥茧，理论、工具、代码齐备——非常具体，全是“干货”，非常“解渴”。甲子光年创始人张一甲深度学已经进入产业化阶段，ai人才结构正在不断升级，将技术应用到真实场景并解决实际问题将成为未来ai技术人才的核心竞争力。本书精选天池台经典赛题，基于真实业务场景和案例，提供了扎实且实用的深度学技术介绍，能够帮助你快速掌握关键领域的实践。机器之心创始人兼ceo赵云峰"
— 没有更多了 —
以下为对购买帮助不大的评价