人工智能技术

第 1章　人工智能概述　1
1．1　人工智能的概念　1
1．1．1　什么是人工智能　1
1．1．2　AI、机器学习、深度学习的关系　3
1．1．3　AI的分类　4
1．1．4　AI的发展史　4
1．1．5　AI的3大学派　8
1．2　AI相关技术概览　9
1．2．1　深度学习框架介绍　10
1．2．2　AI处理器简介　11
1．2．3　AI产业生态　13
1．2．4　华为云企业智能应用平台　15
1．3　AI的技术领域与应用领域　17
1．3．1　AI技术领域　17
1．3．2　AI应用领域　19
1．3．3　AI所处的阶段　21
1．4　华为AI发展战略　21
1．4．1　全栈全场景AI解决方案　21
1．4．2　华为AI全栈方向　21
1．5　AI的争议　23
1．5．1　算法偏见　23
1．5．2　隐私问题　24
1．5．3　技术与伦理的矛盾　24
1．5．4　大家都会失业吗？　24
1．6　AI的发展趋势　24
1．7　本章小结　26
1．8　习题　26
第 2章　机器学习　27
2．1　机器学习概述　27
2．1．1　机器学习算法的理性认识　28
2．1．2　机器学习解决的主要问题　29
2．2　机器学习的分类　29
2．2．1　监督学习　30
2．2．2　无监督学习　31
2．2．3　半监督学习　31
2．2．4　强化学习　32
2．3　机器学习的整体流程　33
2．3．1　数据收集　33
2．3．2　数据清洗　34
2．3．3　特征选择　35
2．3．4　模型构建整体流程　36
2．3．5　模型评估　37
2．4　模型中的参数与超参数　40
2．4．1　梯度下降　41
2．4．2　验证集与超参数搜索　42
2．4．3　交叉验证　43
2．5　机器学习的常见算法　43
2．5．1　线性回归　44
2．5．2　逻辑回归　46
2．5．3　决策树　48
2．5．4　支持向量机　49
2．5．5　K近邻算法　50
2．5．6　朴素贝叶斯　51
2．5．7　集成学习　52
2．5．8　聚类算法　54
2．6　案例详解　54
2．7　本章小结　56
2．8　习题　57
第3章　深度学习概览　58
3．1　深度学习简介　58
3．1．1　深度神经网络　59
3．1．2　深度学习的发展历程　59
3．1．3　感知器算法　60
3．2　训练法则　62
3．2．1　损失函数　62
3．2．2　梯度下降算法　63
3．2．3　反向传播算法　64
3．3　激活函数　66
3．4　正则化　67
3．4．1　参数惩罚　67
3．4．2　数据集扩充　69
3．4．3　Dropout　69
3．4．4　提前停止训练　70
3．5　优化器　70
3．5．1　动量优化器　70
3．5．2　Adagrad优化器　71
3．5．3　RMSprop优化器　72
3．5．4　Adam优化器　72
3．6　神经网络类型　73
3．6．1　卷积神经网络　73
3．6．2　循环神经网络　76
3．6．3　生成对抗网络　78
3．7　常见问题　79
3．7．1　数据不平衡问题　79
3．7．2　梯度消失与梯度爆炸　80
3．7．3　过拟合问题　80
3．8　本章小结　80
3．9　习题　80
第4章　深度学习开发框架　82
4．1　深度学习开发框架简介　82
4．1．1　PyTorch介绍　82
4．1．2　MindSpore介绍　82
4．1．3　TensorFlow介绍　84
4．2　TensorFlow 2．0基础　85
4．2．1　TensorFlow 2．0简介　85
4．2．2　张量介绍　85
4．2．3　TensorFlow 2．0 Eager Execution　85
4．2．4　TensorFlow 2．0 AutoGraph　85
4．3　TensorFlow 2．0模块介绍　86
4．3．1　常见模块介绍　86
4．3．2　Keras接口　86
4．4　TensorFlow 2．0开发基本步骤　87
4．4．1　环境搭建　87
4．4．2　开发流程　88
4．5　本章小结　90
4．6　习题　90
第5章　华为AI开发框架MindSpore　92
5．1　MindSpore开发框架简介　92
5．1．1　MindSpore架构　92
5．1．2　MindSpore的设计理念　93
5．1．3　MindSpore的优点　98
5．2　MindSpore开发与应用　99
5．2．1　环境搭建　99
5．2．2　MindSpore相关组件及概念　101
5．2．3　用MindSpore实现手写数字识别　102
5．3　本章小结　109
5．4　习题　109
第6章　华为Atlas人工智能计算解决方案　110
6．1　昇腾AI处理器的硬件架构　110
6．1．1　昇腾AI处理器硬件的逻辑架构　110
6．1．2　达芬奇架构　110
6．2　昇腾AI处理器的软件架构　114
6．2．1　昇腾AI处理器软件的逻辑架构　114
6．2．2　昇腾AI处理器神经网络软件流　116
6．2．3　昇腾AI处理器软件流各功能模块介绍　117
6．2．4　昇腾AI处理器的数据流程　131
6．3　Atlas人工智能计算解决方案　132
6．3．1　Atlas加速AI推理　132
6．3．2　Atlas加速AI训练　142
6．3．3　Atlas端、边、云协同　144
6．4　Atlas的行业应用　145
6．4．1　电力：智能电网一站式ICT解决方案　145
6．4．2　智慧金融：全面数字化转型　145
6．4．3　智能制造：机器与思想的数字化融合　146
6．4．4　智慧交通：人悦于行，物优其流　146
6．4．5　超算：打造国家级人工智能平台　147
6．5　本章小结　147
6．6　习题　148
第7章　华为智能终端AI能力开放平台　149
7．1　HUAWEI HiAI平台介绍　149
7．1．1　HUAWEI HiAI 平台架构　150
7．1．2　HUAWEI HiAI Foundation　151
7．1．3　HUAWEI HiAI Engine　153
7．1．4　HUAWEI HiAI Service　153
7．2　基于HUAWEI HiAI平台开发App　154
7．3　HUAWEI HiAI部分解决方案　156
7．3．1　HUAWEI HiAI助力聋哑人士　156
7．3．2　HUAWEI HiAI提升元贝驾考应用的视觉体验　157
7．3．3　HUAWEI HiAI赋能携程旅行　157
7．3．4　HUAWEI HiAI赋能WPS文档检测校正　158
7．4　本章小结　160
7．5　习题　161
第8章　华为云企业智能应用平台　162
8．1　华为云EI服务家族　162
8．1．1　华为云EI智能体　163
8．1．2　EI基础平台——华为HiLens　166
8．1．3　EI基础平台——图引擎服务　169
8．1．4　EI家族其他服务介绍　170
8．2　ModelArts　178
8．2．1　ModelArts功能介绍　178
8．2．2　ModelArts的产品结构及应用　179
8．2．3　ModelArts的产品优势　180
8．2．4　访问ModelArts的方式　180
8．2．5　ModelArts使用简介　181
8．3　华为云EI解决方案　182
8．3．1　OCR服务实现报销发票全流程自动化案例　182
8．3．2　OCR助力智慧物流案例　183
8．3．3　对话机器人　183
8．3．4　某区企业智能问答案例　185
8．3．5　基因知识图谱案例　186
8．3．6　基于知识图谱的政策查询　186
8．3．7　智慧园区案例　187
8．3．8　人流统计及热力图案例　188
8．3．9　车辆识别案例　188
8．3．10　入侵识别案例　189
8．3．11　中石油认知计算平台——测井油气层识别　190
8．4　本章小结　191
8．5　习题　192
附录A　HiAI Engine具体API简介　193
附录B　习题解答　200