深度学习的商业化应用——谷歌工程师前沿解读人工智能

图书标准信息

• 作者 日经大数据 著
• 出版社 华中科技大学出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787568042338
• 定价 35.00元
• 装帧 平装
• 开本 32开
• 纸张 胶版纸
• 页数 160页
• 字数 100千字
• 正文语种 简体中文

【内容简介】

本书开篇以丰田日美轿车的通信应对为引子，引出人工智能孕育新的创新时代这一庞大而富有远见的课题，而深度学习的研究课题恰恰是要解决现实世界存在的问题。在比较了人工智能、机器学习和深度学习之后，讲述深度学习的机制，给出深度学习面向未来的扩展应用，包括支持自动驾驶、超y人类目视识别图像的能力、深度理解文章的文本分析能力、跨越语言障碍的机器翻译能力等。在企业应用方面，深度学习也有着不可估量的巨大作用。其中包括钻井工程的自动优化、导航系统优化、汽车数据检索、信用卡作弊检测等。后，本书给出了数据框架的利用方式，并对深度学习的未来进行了展望。

【作者简介】

日经大数据 

《日经大数据》是日经BP社于2014年创办的专业杂志，聚焦报道运用企业关注的大数据与人工智能、IoT（Internet of things）技术开辟新事业，进行业务改革的实例，通过月刊杂志与每日更新的网站，向订购读者传递相关新闻、技术运用实例、分析技术与数据可视化的关键信息。《日经大数据》大幅扩展服务内容，2018年4月更名为《日经×TREND》。 

王星星，北京大学日语硕士，具有多年翻译经验，译作包括《日本法西斯侵华战争图鉴》《颓败与重生》《马上少年过（司马辽太郎）》等。

【目录】

第一章轻松入门 

人工智能、机器学习与深度学习有何不同？3 

深度学习是机器学习的一部分4 

机器学习无需人类编程6 

计算机的发展使深度学习成为可能8 

人工智能的发展如同一股“研究洪流”12 

从“移动优先”到“AI优先”14 

第二章入门 

深度学习的框架21 

何谓机器学习以外的人工智能21 

机器学习的基础24 

机器学习存在多种手段26 

神经网络模拟大脑神经构造27 

计算机自主学习分类方法32 

通过网上的“游乐场”理解神经网络36 

教师引导式学习与强化学习40 

“阿尔法围棋”充分应用强化学习43 

第三章谷歌实例 

目录谷歌的深度学习应用实例49 

面向未来，深度学习的应用范围不断扩展49 

语音操控的家庭AI管家50 

能像人类一样沟通交流！？54 

深度学习助力无人驾驶58 

深度学习为数据中心大幅节能60 

超越人眼，分辨事物的图像识别功能62 

自动对照片进行分类的“Google相册”64 

用人工智能判断绘画作品的“Quick，Draw”66 

计算机也能做梦？“深梦”实验68 

产出优秀艺术与音乐的Magenta69 

动态图像也可识别！“读唇术胜过专家”70 

能够理解文章的文本分析技术71 

自动生成回复邮件参考文的“Inbox”73 

垃圾邮件过滤器的精准度也大幅提升74 

使企业信息检索畅通无阻的“Google Springboard”75 

发出语音即可与计算机互相沟通的“语音识别”76 

在人机对话过程中提供帮助的“Google助手”78 

能够生成合成语音及钢琴曲的“WaveNet”80 

有望打破语言壁垒的“机器翻译”82 

神经网络推动Google翻译进化83 

可轻松使用深度学习成果的“机器学习API”87 

可有效利用个性化深度学习的“TensorFlow”92 

深度学习的适用领域与不适用领域94 

第四章企业实例 

利用深度学习技术提高工作效率的尝试在日本接连展开99 

安藤·间，隧道施工过程中判断岩层硬度99 

思考如何让挖掘作业自动达到最优化的程度101 

从汽车照片到外形，全部精确锁定，AUCNET IBS102 

一年使用约500万辆二手车的数据105 

无法识别车辆朝向的痛点107 

为提升二手车交易的活跃度作出贡献108 

Aerosense对无人机航拍数据的运用109 

搭建通过少量教师数据检测汽车数量的系统110 

开发能提高测量效率的标记112 

Peach，通过语音识别API 24小时提供出行咨询服务114 

人与人工智能的职责分配117 

三井住友金融集团，对信用卡非正常使用情况的检测精 

准度大幅提升119 

全面覆盖呼叫中心121 

数据得不出的答案124 

第五章运用框架 

用数据×目的的方式进行整合，描绘运用的发展图景129 

数据×目的整合法131 

走在前端的图像数据运用133 

语音数据主要来自呼叫中心135 

符合实际的运用方法：以削减成本为入口137 

成功必备的常识与人才转换141 

能否构想出运用的推进图景？142 

需要什么样的人才？145 

机器学习日常化，下一个具有特殊价值的会是？147 

第六章未来展望 

未来，我们用深度学习解决问题151 

谷歌云机器学习团队研究负责人李佳的解答151 

技术革新的引导力是深度学习152 

人类能力优秀，算法研究任重道远154 

深度学习处于“数据匮乏”状态156 

解决现实世界的问题是AI研究的目标157 

结语 

后记