注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络人工智能创新工场讲AI课:从知识到实践

创新工场讲AI课:从知识到实践

创新工场讲AI课:从知识到实践

定 价:¥89.00

作 者: 创新工场DeeCamp组委会 著
出版社: 电子工业出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787121408458 出版时间: 2021-05-01 包装: 平装
开本: 16开 页数: 296 字数:  

内容简介

  创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营(简称DeeCamp训练营),训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题,旨在提升高校AI人才在行业应用中的实践能力,以及推进产学研深度结合。本书以近两年DeeCamp训练营培训内容为基础,精选部分导师的授课课程及有代表性的学员参赛项目,以文字形式再现训练营“知识课程+产业实战”的教学模式和内容。全书共分为9章,第1章、第2章分别介绍AI赋能时代的创业、AI的产品化和工程化挑战;第3章至第8章聚焦于AI理论与产业实践的结合,内容涵盖机器学习、自然语言处理、计算机视觉、深度学习模型的压缩与加速等;第9章介绍了 4 个优秀实践课题,涉及自然语言处理和计算机视觉两个方向。本书适合AI相关专业的高校在校生及AI行业的工程师使用,可作为他们了解AI产业和开拓视野的读物。

作者简介

  ★★主要作者(按章节顺序排序)★★★李开复★ 李开复博士于2009年创立创新工场,担任董事长兼首席执行官,专注于科技创新型的投资理念与最前沿的技术趋势。十多年来创新工场已经投资逾400个创业项目,管理总额约160亿人民币的双币基金。2016年秋季创办创新工场人工智能工程院,致力于利用最前沿的AI技术为企业提供人工智能产品与解决方案。在此之前,李开复博士曾是谷歌中国全球副总裁兼大中华区总裁,担任微软全球副总裁期间开创了微软亚洲研究院,并曾服务于苹果、SGI等知名科技企业。李开复在美国哥伦比亚大学取得计算机科学学士学位,以zui gao荣誉毕业于卡耐基梅隆大学获得博士学位。同时,李开复获得香港城市大学、卡耐基梅隆大学荣誉博士学位。李开复获选为美国电机电子工程师学会(IEEE)的院士,并被《时代》杂志评选为2013影响全球100位年度人物之一,《Wired 连线》本世纪推动科技全球25位标杆人物,2018亚洲商界领袖奖等殊荣,并出任世界经济论坛第四次工业革命中心的AI委员会联席主席。李开复博士发明过十项美国专利,发表逾百篇专业期刊或会议论文,并出版过十本中文畅销书。★王咏刚★ 王咏刚,现任创新工场CTO人工智能工程院执行院长,加入创新工场前担任谷歌主任工程师和高级技术经理超过十年,在谷歌参与或负责研发的项目包括桌面搜索、谷歌拼音输入法、产品搜索、知识图谱、谷歌首页涂鸦(Doodles)等,在知识图谱、分布式系统、自然语言处理、HTML5动画和游戏引擎等领域拥有丰富的工程研发经验。目前专注于人工智能前沿科技的工程化与商业化,以及人工智能高端人才的培养,作为联合创始人,创立了人工智能商业化公司创新奇智,同时也是人工智能高端应用型人才培养项目DeeCamp的发起者。★张潼★ 张潼博士,机器学习领域国际著名专家,拥有美国康奈尔大学数学和计算机双学士学位,以及斯坦福大学计算机硕士和博士学位,在香港科技大学数学系和计算机系任教。曾经担任美国新泽西州立大学终身教授,IBM研究院研究员和雅虎研究院主任科学家,百度研究院副院长和大数据实验室负责人,腾讯AI Lab主任。他曾参加美国国家科学院大数据专家委员会,负责过多个美国国家科学基金资助的大数据研究项目,此外还是美国统计学会和国际数理统计学会fellow,并担任NIPS、ICML、COLT等国际顶级机器学习会议主席或领域主席,以及PAMI, JMLR, 和Machine Learning Journal等国际一流人工智能期刊编委。★宋彦★ 宋彦博士,香港中文大学(深圳) 数据科学学院副教授,创新工场大湾区研究院首席科学家。历任微软、腾讯研究员及首席研究员,创新工场大湾区研究院执行院长等职,是 “微软小冰”项目的创始团队成员之一,其研究方向包括自然语言处理、信息检索和抽取、文本表征学习等。★屠可伟★ 屠可伟博士,上海科技大学信息科学与技术学院长聘副教授、研究员、博士生导师。研究方向包括自然语言处理、机器学习、知识表示、计算机视觉等人工智能领域,侧重于研究语言结构的表示、学习与应用。★张发恩★ 张发恩,创新奇智联合创始人,创新奇智公司CTO, 宁波诺丁汉大学客座教授。2008年毕业于中国科学院软件研究所,同年加入微软,负责Office相关软件产品的研发工作;2010年,入职Google,作为核心研发人员,主导和参与Google搜索引擎、Google知识图谱等相关工作;2015年,加入百度,作为百度云早期创始团队成员之一,曾任百度云计算事业部技术委员会主席,百度云计算事业部大数据和人工智能主任架构师。他在IT行业拥有十几年技术研发和管理经验,涉及企业级软件、室内地图定位与导航、互联网搜索引擎、全领域知识图谱、大数据计算与存储、机器学习、深度学习、机器视觉等众多领域。工作期间获得10余项美国专利,70余项中国专利,发表过多篇顶级会议学术论文。★唐剑★ 唐剑博士,滴滴智能控制首席科学家,AI Labs 负责人兼算法委员会主席,IEEE Fellow和ACM杰出科学家,领导滴滴在智能物联网、计算机视觉和自动驾驶方向上的研发。 他在国际顶级期刊和会议上发表了160多篇学术论文,拥有多项发明专利,在边缘智能、AI驱动的系统控制和群智感知方向上做出开创性贡献,并多次获得最佳论文奖, 其中包括通信网络领域的zui gao论文奖2019 年度IEEE 通信学会William R. Bennett Prize和IEEE车载技术学会2016年度最佳车载电子论文奖。目前还担任中国电子学会物联网专委会专家委员、新一代人工智能产业技术创新战略联盟专家委员会委员、IEEE车载技术学会杰出演讲人、以及IEEE通信学会交换和路由技术委员会主席。 ★张弥★ 张弥博士,现任密歇根州立大学副教授,2006年毕业于北京大学,2013年获得美国南加州大学博士学位,2013-2014年在美国康奈尔大学任博士后。主要研究领域包括终端深度学习、自动机器学习、联邦学习和机器学习系统。本人及其研究团队在2019年Google MicroNet Challenge 全球竞赛中获得CIFAR-100赛道第四名 (北美第yi名),在 2017年NSF Hearables Challenge全球竞赛中获得第三名,在2016年NIH Pill Image Recognition Challenge全球竞赛中获得冠军。★吴佳洪★ 吴佳洪,创新奇智高级研究员,2017年毕业于北京大学。曾带队获得Pascal Voc 世界冠军、Cityscapes 实例分割冠军、ADE20K物体分割冠军等;曾负责创新奇智无人货柜项目的算法工作,专注于计算机视觉领域,发表过多篇CVPR论文。★刘宁★ 刘宁博士,滴滴资深研究员,毕业于美国东北大学计算机工程系。研究领域包括深度增强学习、深度模型压缩与加速、边缘计算等。在国际顶级期刊和会议AAAI, MICRO, ASPLOS,ISCA等发表学术论文20余篇,发表多项发明专利。

图书目录

★第1章 AI赋能时代的创业★
1.1 中国AI如何弯道超车
1.2 AI从“发明期”进入“应用期”
1.2.1 深度学习助推AI进入“应用期”
1.2.2 To B创业迎来黄金发展期
1.2.3 “传统产业+AI”将创造巨大价值
1.2.4 AI赋能传统行业四部曲
1.3 AI赋能时代的创业特点
1.3.1 海外科技巨头成功因素解析
1.3.2 科学家创业的优势和短板
1.3.3 四因素降低AI产品化、商业化门槛
1.4 给未来AI人才的建议

★第2章 AI的产品化和工程化挑战★
2.1 从AI科研到AI商业化
2.2 产品经理视角—数据驱动的产品研发
2.2.1 数据驱动
2.2.2 典型C端产品的设计和管理
2.2.3 典型B端产品解决方案的设计和管理
2.2.4 AI技术的产品化
2.3 架构设计师视角—典型AI架构
2.3.1 为什么要重视系统架构
2.3.2 与AI相关的典型系统架构
2.4 写在本章最后的几句话
本章参考文献

★第3章 机器学习的发展现状及前沿进展★
3.1 机器学习的发展现状
3.2 机器学习的前沿进展
3.2.1 复杂模型
3.2.2 表示学习
3.2.3 自动机器学习

★第4章 自然语言理解概述及主流任务★
4.1 自然语言理解概述
4.2 NLP主流任务
4.2.1 中文分词
4.2.2 指代消解
4.2.3 文本分类
4.2.4 关键词(短语)的抽取与生成
4.2.5 文本摘要
4.2.6 情感分析
本章参考文献

★第5章 机器学习在NLP领域的应用及产业实践★
5.1 自然语言句法分析
5.1.1 自然语言句法分析的含义与背景
5.1.2 研究句法分析的几个要素
5.1.3 句法分析模型举例
5.2 深度学习在句法分析模型参数估计中的应用
5.2.1 符号嵌入
5.2.2 上下文符号嵌入
本章参考文献

★第6章 计算机视觉前沿进展及实践★
6.1 计算机视觉概念
6.2 计算机视觉认知过程
6.2.1 从低层次到高层次的理解
6.2.2 基本任务及主流任务
6.3 计算机视觉技术的前沿进展
6.3.1 图像分类任务
6.3.2 目标检测任务
6.3.3 图像分割任务
6.3.4 主流任务的前沿进展
6.4 基于机器学习的计算机视觉实践
6.4.1 目标检测比赛
6.4.2 蛋筒质检
6.4.3 智能货柜
本章参考文献

★第7章 深度学习模型压缩与加速的技术发展与应用★
7.1 深度学习的应用领域及面临的挑战
7.1.1 深度学习的应用领域
7.1.2 深度学习面临的挑战
7.2 深度学习模型的压缩和加速方法
7.2.1 主流压缩和加速方法概述
7.2.2 权重剪枝
7.2.3 权重量化
7.2.4 知识蒸馏
7.2.5 权重量化与权重剪枝结合并泛化
7.3 模型压缩与加速的应用场景
7.3.1 驾驶员安全检测系统
7.3.2 高级驾驶辅助系统
7.3.3 车路协同系统
本章参考文献

★第8章 终端深度学习基础、挑战和工程实践★
8.1 终端深度学习的技术成就及面临的核心问题
8.1.1 终端深度学习的技术成就
8.1.2 终端深度学习面临的核心问题
8.2 在冗余条件下减少资源需求的方法
8.3 在非冗余条件下减少资源需求的方法
8.3.1 特殊化模型
8.3.2 动态模型
8.4 深度学习系统的设计
8.4.1 实际应用场景中的挑战
8.4.2 实际应用场景中的问题解决
8.4.3 案例分析
本章参考文献

★第9章 DeeCamp训练营最佳商业项目实战★
9.1 方仔照相馆—AI辅助单张图像生成积木方头仔
9.1.1 让“AI方头仔”触手可及
9.1.2 理论支撑:BiSeNet和Mask R-CNN
9.1.3 任务分解:从图像分析到积木生成的实现
9.1.4 团队协作与时间安排
9.2 AI科幻世界—基于预训练语言模型的科幻小说生成系统
9.2.1 打造人机协作的科幻小说作家
9.2.2 理论支撑:语言模型、Transformer模型和GPT2预训练模型
9.2.3 从“找小说”到“写小说”的实现步骤
9.2.4 团队协作与时间安排
9.3 宠物健康识别—基于图像表征学习的宠物肥胖度在线检测系统
9.3.1 人人都能做“养宠达人”
9.3.2 理论支撑:表征学习、人脸识别原理和ArcFace损失函数
9.3.3 任务分解:从数据收集到肥胖度检测
9.3.4 团队协作与时间安排
9.4 商品文案生成—基于检索和生成的智能文案系统
9.4.1 智能内容生成
9.4.2 理论支撑:Word2Vec词嵌入、预训练语言模型BERT和Seq2Seq文本生成
9.4.3 任务分解:“寻章摘句”和“文不加点”
9.4.4 团队协作与时间安排
本章参考文献

本目录推荐