幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

認識AI(人工智慧如何賦能商業原書第2版)

  • 作者：(美)道格·羅斯|責編:王春華//劉鋒|譯者:劉強
  • 出版社：機械工業
  • ISBN：9787111691778
  • 出版日期：2021/10/01
  • 裝幀：平裝
  • 頁數：220
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書通俗地介紹人工智慧（AI）和機器學習（ML）：它們是如何工作的，能做什麼，不能做什麼，如何借助它們獲利。這本書為非技術高管和非專業人士撰寫。羅斯基於多年的教學和咨詢經驗，以直觀的類比和解釋揭開了AI/ML技術的神秘面紗，解釋了從早期的「專家系統」到先進的深度學習網路的發展。
    首先，羅斯解釋了人工智慧和機器學習是如何出現的，探索了早期持續影響該領域的關鍵思想。接下來介紹機器學習的關鍵概念來加深你的理解，並展示機器智能如何創建策略並從錯誤中學習。接著，介紹了目前強大的神經網路——一個受人腦結構和功能啟發而形成的系統。最後介紹了領先的AI應用程序。在整個過程中，羅斯始終專註于業務，介紹如何應用這些技術來探索新的機會，解決實際問題。
    通過閱讀本書，你將學會：
    比較機器學習的不同方式，並探索當前領先的機器學習演算法。
    從正確的問題開始，避免人工智慧/機器學習項目中可能出現的常見錯誤。
    使用神經網路自動決策並識別意外模式。
    學會幫助神經網路更快、更有效地學習。
    梳理AI聊天機器人、虛擬助手、虛擬代理和會話AI等商業應用。
作者介紹
(美)道格·羅斯|責編:王春華//劉鋒|譯者:劉強
目錄
譯者序
序
前言
致謝
第一部分  思考的機器：人工智慧概述
  第1章  什麼是人工智慧
    1.1  什麼是智能
    1.2  測試機器的智能
    1.3  解決問題的一般方法
    1.4  強人工智慧與弱人工智慧
    1.5  人工智慧規劃
    1.6  學習勝過記憶
    1.7  本章小結
  第2章  機器學習的興起
    2.1  機器學習的實際應用
    2.2  人工神經網路
    2.3  感知機的興衰
    2.4  大數據時代來臨
    2.5  本章小結
  第3章  聚焦方法
    3.1  專家系統與機器學習
    3.2  監督學習與無監督學習
    3.3  誤差反向傳播
    3.4  回歸分析
    3.5  本章小結
  第4章  通用人工智慧應用
    4.1  智能機器人
    4.2  自然語言處理
    4.3  物聯網
    4.4  本章小結
  第5章  讓大數據插上人工智慧的翅膀
    5.1  理解大數據的基本概念
    5.2  與數據科學家合作
    5.3  機器學習與數據挖掘的區別
    5.4  從數據挖掘到機器學習的飛躍
    5.5  採用正確的方法
    5.6  本章小結
  第6章  權衡你的選擇
第二部分  機器學習
  第7章  什麼是機器學習
    7.1  機器怎麼學習
    7.2  處理數據
    7.3  應用機器學習技術
    7.4  學習的類型介紹
    7.5  本章小結
  第8章  機器學習的範式
    8.1  監督機器學習
    8.2  無監督機器學習
    8.3  半監督機器學習
    8.4  強化學習

    8.5  本章小結
  第9章  主流機器學習演算法
    9.1  決策樹
    9.2  k近鄰演算法
    9.3  k均值聚類
    9.4  回歸分析
    9.5  樸素貝葉斯
    9.6  本章小結
  第10章  機器學習演算法應用
    10.1  利用演算法模型擬合數據
    10.2  選擇演算法
    10.3  集成建模
    10.4  決定機器學習範式
    10.5  本章小結
  第11章  幾個建議
    11.1  開始提問
    11.2  不要混用訓練數據和測試數據
    11.3  不要誇大模型的精度
    11.4  了解你的演算法
    11.5  本章小結
第三部分  人工神經網路
  第12章  什麼是人工神經網路
    12.1  為什麼與大腦類比
    12.2  只是另外一個驚人的演算法
    12.3  了解感知機
    12.4  採用sigmoid神經元
    12.5  添加偏置項
    12.6  本章小結
  第13章  人工神經網路實戰
    13.1  將數據輸入神經網路
    13.2  隱藏層到底發生了什麼
    13.3  理解激活函數
    13.4  添加權重
    13.5  添加偏置項
    13.6  本章小結
  第14章  讓神經網路開始學習
    14.1  從隨機權重和隨機偏置項開始
    14.2  讓神經網路為錯誤買單：損失函數
    14.3  結合損失函數和梯度下降法
    14.4  利用反向傳播糾正誤差
    14.5  調優神經網路
    14.6  使用鏈式法則
    14.7  利用隨機梯度下降法對訓練集批處理
    14.8  本章小結
  第15章  利用神經網路進行聚類和分類
    15.1  求解分類問題
    15.2  求解聚類問題
    15.3  本章小結
  第16章  關鍵挑戰
    16.1  獲取足夠多的高質量數據

    16.2  隔離訓練數據與測試數據
    16.3  謹慎選擇你的訓練數據集
    16.4  採取探索性的方法
    16.5  選擇正確的工具解決問題
    16.6  本章小結
第四部分  人工智慧實踐
  第17章  利用自然語言處理的威力
    17.1  利用自然語言理解技術從文本和語音中提取線索
    17.2  利用自然語言生成技術提供合理的反饋
    17.3  客戶服務的自動化
    17.4  梳理主流的自然語言處理工具和資源
      17.4.1  自然語言理解工具
      17.4.2  自然語言生成工具
    17.5  本章小結
  第18章  客戶互動自動化
    18.1  選擇自然語言技術
    18.2  梳理構建聊天機器人及虛擬代理的主流工具
    18.3  本章小結
  第19章  提升基於數據的決策
    19.1  在自動化決策和基於直覺的決策中做出選擇
    19.2  從物聯網設備實時收集數據
    19.3  梳理自動化決策工具
    19.4  本章小結
  第20章  利用機器學習預測事件及結果
    20.1  機器學習是關於數據標記的技術
    20.2  看看機器學習能夠做什麼
      20.2.1  預測客戶會購買什麼
      20.2.2  在被問之前回答問題
      20.2.3  讓決策更好更快
      20.2.4  在商業中複製專業知識
    20.3  利用你的能力做好事而不是作惡：機器學習倫理
    20.4  梳理主流的機器學習工具
    20.5  本章小結
  第21章  構建人工智慧系統
    21.1  區分智能化和自動化
    21.2  在深度學習中增加層
    21.3  人工神經網路應用
      21.3.1  將優質客戶分類
      21.3.2  商店布局推薦
      21.3.3  分析及跟蹤生物特徵
    21.4  梳理主流深度學習工具
    21.5  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032