认知计算攻略 使用Cognitive Services和TensorFlow

图书标准信息

• 作者 [巴基斯坦]阿德南·马苏德（(Adnan Masood) ） 译；[巴基斯坦]阿德南·拉希米（(Adnan Hashmi)）；蒲成
• 出版社 清华大学出版社
• 出版时间 2020-08
• 版次 1
• ISBN 9787302554356
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【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，最有价值专家)。作为UST Global AI和机器学习的首席架构师，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