AI应用落地之道
全新正版 极速发货
￥ 38.89 5.6折 ￥ 69 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者(日)野村直之
出版社中国人民大学出版社
ISBN9787300278643
出版时间2020-04
装帧平装
开本32开
定价69元
货号1202052259
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章当今AI的功能与局限
关于AI常见的误解//2
利用大数据的围棋AI//5
如何有效运用“幼儿智能”//6
思考能够使用图像识别技术的商业领域//7
深度学习是“原始数据计算”//9
通过三个数轴对AI进行分类//12
深度学习是如何提取特征的//14
“模式识别”：AI的眼睛和耳朵//17
使用深度学习的机器翻译能够获得压倒性胜利的原因//20
“强AI”的出现至少要到22世纪吗//26
指数函数的恐怖//28
知识量的增加至多是二次曲线级//30
充分运用深度学习的必要性//34
深度学习与其他方式的结合也很有价值//36
第2章使用深度学习的基本流程
在AI应用中不可或缺的目标设定//40
分享评测数据使其可以共用//42
作为精度指标的“准确率”和“召回率”//44
作为前提的正确结果不止一个//46
不同场景中对准确率和召回率的重视程度不同//47
业余和专业所需的精度是不同的//49
深度学习的准确性评估测试很好简单//51
能准备反映共同特征和多样性差异的训练数据//53
使用开发环境进行数据学习的流程//55
注意过度拟合//59
第3章目标精度的实际评估和利用
从危险驾驶分类中了解自动驾驶的问题//66
AI给生产力带来的提升效果//71
交通标志与AI的匹配和RFID化也是必要的//73
精度目标的设定和预算是“鸡与蛋”的问题//79
自动驾驶需要用各种观点进行综合评估//81
特斯拉汽车为何发生车祸//82
结合预期值评估服务质量很好重要//85
设计业务流程时的混淆矩阵很重要//89
用附有概率值的判定结果将分支条件精细化//93
根据置信度对处理结果进行场景分类//96
为每个样本或医疗机构设置很好精度//98
对AI纠错的意义//101
如何评估聊天机器人的准确性//103
用“对话成立度”对精度进行定量评估//107
参考信息技术架构库改善业务流程//109
让AI学习特殊情况下的数据//112
第4章AI部署的实例
企业的数字化//116
将AIAPI化后公开//118
AI部署的战略以及企业内部体制//120
制作样本数据时的注意点//125
标注人员进行的标注工作//127
增加相互之间只有少许差异的样本数据//129
深度学习的引入需要耐心//132
描绘实际运行整体系统的结构//135
GPU的挑选：目前NVIDIA是专享选择//138
硬件的选择：性能要超过十几年前优选的不错计算机//142
主内存要注意主内存容量//143
GPU云服务也是一种选择//151
深度学习的机制是多种多样的//154
主流深度学习框架的特点和选择//156
多种类型的网络结构该如何进行选择//160
编程语言几乎只有Python一种选择//160
利用现成AI资源的意识//162
将完成后的AI应用程序化、API化//164
将API向世界公开//166
争取各种安全措施保护隐私//167
以眼还眼，以AI对AI//169
保护AI开发企业的防盗版措施//171
主动公开部分源代码的交付方法//173
第5章AI部署人才应具备的技能
用户企业如何获得AI人才//177
用户企业的管理人员应掌握的心得//178
AI时代需要我们具备福尔摩斯般的思考能力//179
AI人员所需的资格和专业领域//180
旧知识可能成为绊脚石//183
样本数据的准备成为开发工作的核心//184
在API经济中擅长混聚开发的人才更重要//186
AI人员的沟通能力不可或缺//187
知识会迅速过时//189
从知识劳动到智能劳动//191
知识将可以无偿获得//193
思考人类与AI的角色分担//196
即使没有大数据，人类也可以相对准确地推断//199
实现不同专家合作的“配对需求开发”//203
推动AI项目的关键人才//205
熟练工艺移植给AI后的产业空心化对策//208
第6章将AI用于商业用途时需注意的问题
大数据越来越重要//213
利用AI防止人类被数据牵制//214
AI的知识获取瓶颈//216
数据准备和增值更要活用AI//219
准备和收集样本数据时的要点//222
AI在日本的应用前景广阔//224
与人类相同的服务员AI会出现吗//226
人文和哲学对于AI研究人员来说很好重要//230
基本收入制度无法解决问题//233
将AGI作为工具使用//234
结语//237
内容摘要
从AI核心技术、样本数据提取到业务流程构建、人才培养机制
MIT人工智能研究所客座研究员、日本人工智能专家全流程指导
帮助企业实现AI技术的落实应用，指导个人从知识劳动人才向智能劳动人才转变
当人们听说“AI的进化将剥夺人类的就业机会”时，出于对机器的担忧和反感，他们就会产生逆反心理，从而造成对AI能力的过高预估；另一方面，当这种过高的期待没有实现时，人们就会产生对AI的全面否定，如“AI什么也干不了”“到头来还不是一无是处、毫无意义”。我们该如何澄清关于AI的各种误解，使企业能够从容自如地使用AI？
本书作者野村直之30多年来一直致力于AI的开发、应用和部署。在本书中，他针对已经参与或即将参与AI系统相关工作的读者揭示了诸多为了充分应用AI系统需要掌握的要点。
·AI的现状。目前的AI都是辅助性工具，“强AI”还无法在21世纪内诞生。
·AI的核心技术——深度学习。AI应用落地的关键在于目标精度的评测与活用，通过使用准确率和召回率两个指标，来准备良好的样本数据。
·样本数据的制作。通过短周期原型开发评估目标精度，加之专业人士的参与，同时使用高性能的GPU硬件。
·AI部署人才应具备的技能。AI时代的人才需要福尔摩斯般的思考能力，不仅要善于发现问题，打破现有局面，还要为解决问题设定目标，完成从“知识劳动”到“智能劳动”的转变。
— 没有更多了 —
以下为对购买帮助不大的评价