xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

《人工智能全書：一本書讀懂AI基礎知識、商業應用與技術發展》系統地講解了AI 基礎知識、商業應用與技術發展，可以幫助讀者快速了解人工智能，掌握行業動態與技術。全書圖文并茂，淺顯易懂，其中基礎篇介紹了AI 的基礎知識，商業篇預測了AI 在各行各業的應用與發展，技術篇則講解了AI 的各種專業技術知識�！度斯ぶ悄苋珪阂槐緯x懂AI基礎知識、商業應用與技術發展》還有關于AI 的常見問題解答，能夠回答大眾對于AI 的常見疑問。本書適合大眾及對AI感興趣的人閱讀，專業人士也能獲益匪淺。

了解人工智能，掌握行業動態與技術 【基礎篇】·【商業篇】·【技術篇】·【常見問題解答】 為不懂程序、不懂技術的AI入門者而寫，無高閱讀門檻！眾多專業人士聯合推薦！ 1.日亞好評圖書！國內行業專業人士參與翻譯！ 2.內容豐富，信息量大，含基礎篇·商業篇·技術篇·常見問題解答。 3.精彩圖文與MEMO版塊設計，幫助學習理解！ 4.特別設計人工智能Q&A，解答你的疑惑！ 5.內容前沿、實用，幫助不了解人工智能和深度學習的人快速了解行業情況。

作者：[日] 伊本貴士 日本MediaSketch 公司董事長、日本網絡大學（Cyber University）全職講師。出生于日本奈良縣橿原市。大學畢業后先后工作于NEC 軟件、日本Future Architect 公司， 后創辦MediaSketch 公司。作為IoT、人工智能、區塊鏈等新技術的咨詢師，參與了許多企業的研究開發工作。在自己的公司中研發智能手機的通信模塊基板和用于犯罪預測的人工智能等項目。此外，擔任日經BP 社“日經xTECH 學習”、日本經濟新聞社“日經商務教室”的IoT、人工智能主題講座的講師�；钴S于富士電視臺的“真的嗎？！TV”、朝日電視臺“Sunday Live!!”等多個廣播電視節目。與他人合著《IoT最強教科書》 和《實力驗證IoT問題集》。 譯者：鄭明智 中國信息通信研究院人工智能（杭州）研究中心科研主管，《中國人工智能產業通訊》執行主編。主要研究方向為智慧醫療。譯有《白話機器學習的數學》《深度學習基礎與實踐》等書。

第 1章 基礎篇人工智能的世界…… 1 1.1　人工智能是什么 …… 2 人工智能的誕生和歷史 …… 2 人工智能到底是什么 …… 2 模型與目標變量、特征變量 …… 3 對人工智能的幻想 …… 4 1.2　人工智能的價值 …… 5 為什么使用人工智能可以實現自動駕駛汽車 …… 5 各國企業對人工智能的態度和期望 …… 6 人工智能做得到的事情 …… 7 對未知數據進行預測和人工智能的價值 …… 8 1.3　人工智能會搶了人的工作嗎 …… 8 人工智能做不到的事情 …… 8 人工智能無法代替的3 種工作 …… 9 人類會因為人工智能失業嗎 …… 10 人與人工智能的協作度 …… 10 1.4　人工智能如何改變世界 …… 12 重新定義所有行業 …… 12 為人工智能所滲透的世界 …… 12 企業應當怎么做 …… 13 人應當怎么做 …… 13 第 2章 商業篇各行各業的人工智能應用和未來展望…… 15 2.1　制造業的人工智能應用和展望（產品開發篇） …… 16 智能產品 …… 16 產品的計算機化 …… 16 產品的操作系統 …… 17 2.2　制造業的人工智能應用和展望（生產管理篇） …… 18 利用人工智能縮減經費 …… 18 不使用人工智能的選項 …… 18 使用人工智能穩定產品品質 …… 19 預測性維護 …… 19 異常檢測與安全生產 …… 20 生產計劃 …… 20 2.3　汽車行業的人工智能應用和展望 …… 21 汽車的生產現場 …… 21 自動駕駛級別的定義 …… 22 自動駕駛汽車的開發動向 …… 23 自動駕駛平臺 …… 24 汽車導航系統 …… 25 2.4　農業、漁業、畜牧業的人工智能應用和展望 …… 26 人工智能與植物工廠 …… 27 比較栽培與最優化 …… 28 人工智能與漁業 …… 29 使用人工智能的新畜牧業形態 …… 30 2.5　醫療行業的人工智能應用和展望 …… 30 通過人工智能診斷 …… 31 通過圖像識別診斷 …… 31 在醫療領域應用人工智能的注意事項 …… 32 數據共享的問題 …… 33 解析腦電波的可行性 …… 33 人機接口 …… 35 AI 新藥研發 …… 35 細胞培養 …… 36 2.6　建筑行業的人工智能應用和展望 …… 37 工程和建設用車輛 …… 37 智慧家庭 …… 38 2.7　金融行業的人工智能應用和展望 …… 39 通過人工智能進行資產運用 …… 39 通過人工智能提高銀行的業務效率 …… 40 2.8　零售行業的人工智能應用和展望 …… 40 Amazon Go 與超市的未來 …… 40 便利店與人工智能 …… 42 應用聊天機器人 …… 44 應用人工智能進行需求預測 …… 45 推薦 …… 46 第3章 商業篇各國針對人工智能應用的政策…… 49 3.1　能源與智能電網 …… 50 智能電網 …… 50 智能電網和人工智能 …… 50 3.2　智慧城市 …… 51 智慧城市 …… 51 新加坡的智慧國家計劃 …… 51 使用人工智能制定城市發展計劃 …… 52 超越智慧城市 …… 54 3.3　數據流通的現狀和問題 …… 54 數據流通的必要性 …… 54 日本公共機構的公開數據推進 …… 55 日本以外國家的公開數據推進 …… 57 與公開數據有關的問題 …… 58 促進民間的數據流通 …… 58 信息銀行 …… 58 促進民間數據流通存在的問題 …… 60 第4章 商業篇人工智能項目的推進方法和注意點…… 61 4.1　人工智能項目的策劃 …… 62 目標的設定和共有價值的創造 …… 62 創新者的窘境 …… 63 人工智能和知識產權 …… 63 4.2　數據的收集和管理 …… 64 為進行人工智能的應用需收集的3 種數據 …… 64 內部數據的收集和管理 …… 64 傳感數據的收集和管理 …… 64 外部數據的收集和管理 …… 65 4.3　人才不足問題的解決方法 …… 66 日本工程師不足的現狀 …… 66 人工智能教育的必要性 …… 67 初期的項目組織架構 …… 67 借助外部力量 …… 68 尋找合作伙伴的方法 …… 68 第5章 技術篇機器學習——人工智能進化史…… 69 5.1　學習人工智能之前必須掌握的知識 …… 70 特征變量、目標變量和模型 …… 70 絕對值 …… 71 導數 …… 72 相關關系和相關系數 …… 73 數據間的因果關系和偽相關關系 …… 74 矩陣的內積 …… 74 概率 …… 75 5.2　人工智能的歷史 …… 76 學習人工智能歷史的意義 …… 76 早期的演繹推理人工智能 …… 76 現在的歸納推理人工智能 …… 77 歸納推理的局限 …… 78 發現信息的現在的人工智能 …… 79 計算機視覺 …… 79 5.3　機器學習能做到的事 …… 80 回歸分析（簡單回歸分析） …… 80 回歸分析（多重回歸分析） …… 82 分類 …… 83 聚類 …… 84 5.4　數據集分析實例 …… 86 數據集分析 …… 86 鳶尾花數據集 …… 86 葡萄酒品質數據集 …… 90 波士頓房價數據集 …… 91 手寫數字數據集 …… 93 Cifar-10（用于圖像識別練習的數據集） …… 95 使用20 Newsgroups 進行文本數據分析 …… 96 5.5　學習 …… 99 學習的意義 …… 99 機器學習 …… 99 學習數據和監督學習 …… 99 無監督學習 …… 100 強化學習 …… 100 學習方法的選擇 …… 100 5.6　機器學習的算法 …… 101 決策樹 …… 101 SVM …… 102 遺傳算法 …… 104 K 均值算法 …… 106 第6章 技術篇深度學習——現在的人工智能…… 109 6.1　神經網絡 …… 110 神經網絡的誕生 …… 110 大腦中信息傳遞的工作原理 …… 111 大腦的學習 …… 113 邏輯電路 …… 114 神經網絡的結構 …… 115 基于感知機的計算處理 …… 116 激活函數 …… 118 輸出函數 …… 122 前向傳播小結 …… 123 6.2　誤差反向傳播算法 …… 124 學習的原理 …… 124 損失函數 …… 125 使用偏導數計算影響程度 …… 126 偏導數的具體例子 …… 127 優化算法（SGD） …… 129 其他優化算法 …… 131 小批量學習 …… 132 反向傳播和學習的小結 …… 132 6.3　深度學習 …… 134 特征提取 …… 134 深度學習的優點 …… 134 人工智能的視角 …… 135 深層導致的各種問題 …… 135 實現深度學習的方法 …… 136 Dropout …… 137 自動編碼器 …… 137 6.4　卷積神經網絡 …… 139 圖像識別和抽象化 …… 139 卷積神經網絡的實例（AlexNet） …… 140 卷積神經網絡概要 …… 141 卷積層的目標 …… 141 卷積層中的過濾器和權重計算 …… 142 對過濾器反應的特征的可視化 …… 143 在卷積層實施填充 …… 144 卷積層的激活 …… 145 池化層的處理 …… 145 平坦化的實施 …… 146 全連接層的處理 …… 148 使用卷積神經網絡的分析示例 …… 148 第7章 技術篇人工智能的開發和運用管理…… 155 7.1　人工智能的設計 …… 156 機器學習算法的選擇 …… 156 目標值的設置 …… 156 目標值和開發成本 …… 157 學習的實施計劃 …… 158 保存學習后的模型 …… 158 7.2　人工智能的運用監視 …… 159 回歸分析中精度的監視 …… 159 分類中精度的監視 …… 160 交叉驗證 …… 162 過擬合 …… 163 分辨過擬合 …… 164 應對過擬合 …… 164 7.3　Python 語言 …… 165 使用Python 的理由 …… 165 Python 的版本 …… 166 Python 的開發環境 …… 167 7.4　數據分析所需的Python 包 …… 168 包管理 …… 168 Jupyter Notebook …… 168 Matplotlib …… 169 NumPy …… 170 pandas …… 170 SciPy …… 171 7.5　人工智能相關庫 …… 171 TensorFlow …… 172 Chainer …… 172 PyTorch …… 172 Keras …… 173 scikit-learn …… 173 DEAP …… 174 OpenAI Gym …… 174 7.6　運行人工智能的平臺 …… 175 人工智能學習的環境 …… 175 人工智能預測的環境 …… 176 Amazon Web Service …… 177 Google Cloud Platform …… 177 Microsoft Azure …… 178 IBM Cloud …… 179 SAKURA Cloud …… 179 Neural Network Console …… 179 Google Colaboratory …… 180 7.7　硬件和平臺 …… 182 人工智能和CPU 的關系 …… 182 人工智能和GPU 的關系 …… 182 CUDA …… 183 ASIC 和TPU …… 184 面向邊緣計算的板卡 …… 185 第8章 技術篇人工智能的最新技術——今后的人工智能…… 187 8.1　循環神經網絡 …… 188 循環神經網絡的特點 …… 188 循環神經網絡中的計算 …… 188 使用循環神經網絡的分析示例 …… 190 LSTM …… 192 將來的循環神經網絡 …… 193 8.2　強化學習的歷史和DQN …… 194 馬爾可夫決策過程 …… 194 Q 學習 …… 195 DQN …… 196 DQN 中卷積神經網絡的應用 …… 197 8.3　AlphaGo 和AlphaGo Zero …… 197 為什么AlphaGo 這么厲害 …… 198 AlphaGo 的算法和技術 …… 199 策略網絡 …… 199 創建SL 策略網絡 …… 200 移出策略模型 …… 202 AlphaGo 強化學習的目標 …… 202 利用策略梯度算法生成RL 策略網絡 …… 203 價值網絡 …… 203 蒙特卡洛樹搜索 …… 205 AlphaGo Zero 的沖擊 …… 206 8.4　A3C …… 207 Asynchronous …… 207 Advantage …… 207 Actor-Critic …… 208 A3C 的成果 …… 208 8.5　GANs …… 209 GANs 的歷史 …… 209 GANs 的原理 …… 209 DCGAN …… 210 使用DCGAN 的分析示例 …… 211 將來的GANs …… 212 8.6　BERT …… 213 BERT 的目標 …… 214 BERT 的學習 …… 214 靈活使用已學習模型 …… 214 8.7　靈活使用社交數據 …… 215 8.8　膠囊網絡 …… 215 卷積神經網絡的弱點 …… 215 膠囊網絡的目標 …… 217 膠囊網絡的結構 …… 217 動態路由 …… 218 將來的膠囊網絡 …… 218 第9章 人工智能開發常見問題…… 221 9.1　關于人工智能的一般問題 …… 222 Q.1　人工智能聰明嗎？ …… 222 Q.2　人工智能會出錯嗎？ …… 222 Q.3　人工智能擅長的事情是什么？ …… 223 Q.4　人工智能不擅長的事情是什么？ …… 223 Q.5　什么是奇點？ …… 223 Q.6　達到奇點后，人工智能會變得比人聰明并控制人類嗎？ …… 224 Q.7　人工智能會像人一樣思考嗎？ …… 224 Q.8　可以讓人工智能產生感情嗎？ …… 224 9.2　令人擔憂的人工智能問題 …… 225 Q.9　人工智能有可能被用于軍事嗎？ …… 225 Q.10　能通過人工智能實現機器人武器嗎？ …… 225 Q.11　搭載人工智能的武器有可能傷害人類嗎？ …… 226 Q.12　人工智能有可能防范犯罪嗎？ …… 226 Q.13　人工智能有可能進行網絡攻擊嗎？ …… 226 Q.14　為了防范網絡攻擊可以使用人工智能嗎？ …… 227 Q.15　人工智能有可能被破解嗎？ …… 227 9.3　在企業應用人工智能的問題 …… 228 Q.16　所有企業都應該使用人工智能嗎？ …… 228 Q.17　人工智能會促使更多企業進入其他行業嗎？ …… 228 Q.18　人工智能的開發費用會變高昂嗎？ …… 229 Q.19　有沒有根據人工智能的開發費用來估算開發成本的方法？ …… 229 Q.20　人工智能的技術人才供給不足嗎？ …… 229 Q.21　如何尋找幫助開發人工智能的技術人才？ …… 230 Q.22　如何與能進行人工智能開發的技術人才取得聯系呢？ …… 231 Q.23　各國政府推薦人工智能的使用嗎？ …… 231 Q.24　日本的地方政府推薦利用人工智能嗎？ …… 231 9.4　與生活有關的問題 …… 232 Q.25　人工智能會使我們的生活有什么變化？ …… 232 Q.26　不懂人工智能的話還有辦法生活嗎？ …… 232 9.5　關于人工智能人才的培養和教育的問題 …… 232 Q.27　什么樣的人在開發人工智能？ …… 232 Q.28　今后的年輕一代需要掌握關于人工智能的知識嗎？ …… 233 Q.29　在學校里人工智能是必修科目嗎？ …… 233 Q.30　要想開發人工智能，應該學習什么呢？ …… 234 Q.31　即使不擅長數學也能理解人工智能嗎？ …… 234 Q.32　學習人工智能首先應該做什么？ …… 234 Q.33　有效學習人工智能的方法是什么？ …… 235 9.6　關于人工智能的未來的問題 …… 236 Q.34　今后人工智能還會進化嗎？ …… 236 Q.35　人工智能會變得有想象力嗎？ …… 236 Q.36　我們人類應該如何和人工智能交往呢？ …… 237 后記 …… 239