返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 创新工场讲AI课 从知识到实践 创新工场DeeCamp组委会 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 创新工场DeeCamp组委会著
    • 出版社: 电子工业出版社
    • 出版时间:2021-05-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 创新工场DeeCamp组委会著
    • 出版社:电子工业出版社
    • 出版时间:2021-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-05-01
    • 字数:342000
    • 页数:276
    • 开本:16开
    • 装帧:平装
    • ISBN:9787121408458
    • 国别/地区:中国
    • 版权提供:电子工业出版社

    创新工场讲AI课 从知识到实践

    作  者:创新工场DeeCamp组委会 著
    定  价:89
    出 版 社:电子工业出版社
    出版日期:2021年05月01日
    页  数:288
    装  帧:平装
    ISBN:9787121408458
    主编推荐

    "1.李开复、王咏刚、张潼等学术界、产业界领军人物全新梳理AI知识体系; 2.AI领域国际科学家周明、张亚勤、周志华力荐; 3.创新工场新创“知识授课+产业实践”学习模式; 4.完整呈现从学科知识到工程实践的课程设计,实践项目来自产业界真实实践课题和训练数据; 5.本书旨在将AI学习者、从业者从一招一式的“点滴型学习”转变为能够博取百家、融会贯通的“系统型学习”。"

    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

    "李开复博士: 李开复博士,创新工场董事长兼CEO,李开复博士于2009年创立创新工场,专注于科技创新型的投资理念与最前沿的技术趋势。在此之前,他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。他在美国哥伦比亚大学取得计算机科学学士学位,以优选荣誉毕业于卡耐基梅隆大学获得博士学位。他被《时代》杂志评选为2013影响全球100位年度人物之一,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,并出版十余本中文畅销书。 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null

    精彩内容

    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训练营很好商业项目实战★
    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

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购