舉報 
會員
機器學(xué)習(xí)的產(chǎn)業(yè)實踐之路
畢然等編著 著
更新時間：2023-11-02 20:12:02
開會員，本書免費讀 >
最新章節(jié)：
封底
本書的內(nèi)容章節(jié)分為四個部分，從技術(shù)原理到項目實踐再到商業(yè)戰(zhàn)略，逐層放開視野。內(nèi)容涉及基于人工智能技術(shù)在產(chǎn)業(yè)中做創(chuàng)新業(yè)務(wù)的方法論，通過交流“思想”和“應(yīng)用方法論”，使大家掌握機器學(xué)習(xí)的深層次思想，并理解商業(yè)、產(chǎn)品和技術(shù)的深層關(guān)系。
最新章節(jié)
- 封底
- 作者簡介
- 11.4.2 往屆學(xué)員優(yōu)秀作品展示
- 11.4.1 畢業(yè)設(shè)計作業(yè)
- 11.4 實踐課4：畢業(yè)設(shè)計
- 11.3 實踐課3：詞向量和語義相似度
品牌：機械工業(yè)出版社
上架時間：2023-11-02 19:27:06
出版社：機械工業(yè)出版社
本書數(shù)字版權(quán)由機械工業(yè)出版社提供，并由其授權(quán)上海閱文信息技術(shù)有限公司制作發(fā)行
- 封底 更新時間：2023-11-02 20:12:02
- 作者簡介
- 11.4.2 往屆學(xué)員優(yōu)秀作品展示
- 11.4.1 畢業(yè)設(shè)計作業(yè)
- 11.4 實踐課4：畢業(yè)設(shè)計
- 11.3 實踐課3：詞向量和語義相似度
- 11.2 實踐課2：手寫數(shù)字識別
- 11.1.3 使用飛槳構(gòu)建波士頓房價預(yù)測模型
- 11.1.2 飛槳產(chǎn)業(yè)級深度學(xué)習(xí)開源開放平臺
- 11.1.1 深度學(xué)習(xí)框架
- 11.1 實踐課1：基于深度學(xué)習(xí)框架飛槳完成房價預(yù)測任務(wù)
- 第11章 實踐課
- 第四部分 工具與實踐
- 10.7 人工智能應(yīng)用領(lǐng)域的職業(yè)前景
- 10.6 企業(yè)的組織能力：《創(chuàng)新者的窘境》中的理論
- 10.5.3 人工智能的企業(yè)市場分析
- 10.5.2 人工智能應(yīng)用的方法論
- 10.5.1 人工智能未來的發(fā)展
- 10.5 人工智能的產(chǎn)業(yè)展望
- 10.4.4 案例：短視頻C端賽道的業(yè)務(wù)
- 10.4.3 層面3：分析具備能力的候選企業(yè)
- 10.4.2 層面2：梳理具體技術(shù)方向的內(nèi)部邏輯
- 10.4.1 層面1：梳理業(yè)務(wù)所需的技術(shù)全景
- 10.4 技術(shù)投資與采購的方法論
- 10.3.3 互聯(lián)網(wǎng)企業(yè)賦能生態(tài)伙伴的方法論
- 10.3.2 互聯(lián)網(wǎng)企業(yè)以整合C端平臺供應(yīng)鏈的模式切入B端服務(wù)市場
- 10.3.1 平臺模式的典型案例：Steam游戲平臺
- 10.3 新型壁壘：平臺模式的解析
- 10.2.2 常見的戰(zhàn)略壁壘
- 10.2.1 戰(zhàn)略壁壘的重要性
- 10.2 從技術(shù)到商業(yè)的思維模式轉(zhuǎn)變
- 10.1 主題回顧
- 第10章 從技術(shù)到商業(yè)的思考
- 9.4 思考技術(shù)在行業(yè)應(yīng)用的方法論
- 9.3.5 科技企業(yè)進入傳統(tǒng)行業(yè)落地AI技術(shù)
- 9.3.4 人工智能應(yīng)用
- 9.3.3 IT軟件和云計算應(yīng)用
- 9.3.2 區(qū)塊鏈應(yīng)用
- 9.3.1 互聯(lián)網(wǎng)應(yīng)用
- 9.3 醫(yī)療行業(yè)的技術(shù)應(yīng)用分析
- 9.2.2 互聯(lián)網(wǎng)醫(yī)療平臺與商業(yè)保險的合作模式
- 9.2.1 多種醫(yī)藥流通業(yè)態(tài)逐漸融合
- 9.2 互聯(lián)網(wǎng)醫(yī)療平臺
- 9.1 謀劃行業(yè)中的技術(shù)應(yīng)用
- 第9章 醫(yī)療行業(yè)的技術(shù)布局和應(yīng)用思考
- 8.4 從商業(yè)本質(zhì)來制定戰(zhàn)略
- 8.3.3 如何設(shè)計發(fā)幣
- 8.3.2 為何幣會值錢
- 8.3.1 為什么要發(fā)幣
- 8.3 “幣圈”應(yīng)用思想的精要
- 8.2.4 “鏈圈”應(yīng)用的總結(jié)
- 8.2.3 區(qū)塊鏈技術(shù)應(yīng)用的三個阻礙
- 8.2.2 區(qū)塊鏈技術(shù)應(yīng)用的案例
- 8.2.1 “鏈圈”應(yīng)用的內(nèi)在邏輯
- 8.2 用抽象邏輯梳理應(yīng)用場景
- 8.1.6 如何解決記賬的動力
- 8.1.5 如何實現(xiàn)分布式存儲的數(shù)據(jù)同步
- 8.1.4 如何保證賬本的安全性
- 8.1.3 如何保證賬本的真實性
- 8.1.2 如何記賬
- 8.1.1 貨幣的本質(zhì)是什么
- 8.1 從創(chuàng)造者的視角理解技術(shù)
- 第8章 認知新技術(shù)：區(qū)塊鏈
- 第三部分 商業(yè)與戰(zhàn)略
- 7.3.4 應(yīng)用MDP和Q-learning算法的案例
- 7.3.3 技術(shù)實現(xiàn)
- 7.3.2 技術(shù)應(yīng)用兩大方向
- 7.3.1 技術(shù)流派與實現(xiàn)方案
- 7.3 對話機器人的產(chǎn)業(yè)分析與技術(shù)方案
- 7.2.2 領(lǐng)域知識的挖掘
- 7.2.1 基于領(lǐng)域知識優(yōu)化人機交互策略
- 7.2 基于知識的人機交互
- 7.1.4 知識圖譜的應(yīng)用場景
- 7.1.3 什么是知識圖譜
- 7.1.2 人工智能技術(shù)的發(fā)展歷程
- 7.1.1 兩類信息
- 7.1 知識圖譜技術(shù)
- 第7章 知識圖譜和對話機器人
- 6.5 小結(jié)
- 6.4.2 計算機視覺在傳統(tǒng)行業(yè)的應(yīng)用
- 6.4.1 計算機視覺在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
- 6.4 計算機視覺應(yīng)用的產(chǎn)業(yè)分析
- 6.3.3 其他計算機視覺領(lǐng)域常見任務(wù)
- 6.3.2 如何識別和理解圖像中的實體信息
- 6.3.1 如何在海量數(shù)據(jù)中尋找匹配的圖像
- 6.3 視覺產(chǎn)品的構(gòu)建案例
- 6.2.3 實現(xiàn)高速計算的方法：特征降維
- 6.2.2 CNN模型與特征
- 6.2.1 SIFT特征
- 6.2 圖像的特征表示
- 6.1 計算機視覺產(chǎn)品的問題背景
- 第6章 計算機視覺及其應(yīng)用產(chǎn)品的構(gòu)建
- 5.4 小結(jié)
- 5.3.3 種子集合篩選算法
- 5.3.2 競爭傳播模型
- 5.3.1 顛覆創(chuàng)新的思考
- 5.3 基于競爭傳播的顛覆創(chuàng)新
- 5.2.3 問題3：如何設(shè)置優(yōu)惠定價模型
- 5.2.2 問題2：如何為店鋪制定廣告消費任務(wù)
- 5.2.1 問題1：如何選擇促銷時機
- 5.2 傳統(tǒng)的促銷方案
- 5.1.2 廣告定價機制
- 5.1.1 互聯(lián)網(wǎng)的盈利模式
- 5.1 業(yè)務(wù)背景
- 第5章 電商平臺促銷策略模型
- 第二部分 應(yīng)用與方法
- 4.5 小結(jié)
- 4.4.2 模型目標的評估
- 4.4.1 業(yè)務(wù)目標的評估
- 4.4 模型評估
- 4.3.2 訓(xùn)練樣本的常見問題及其解決方案
- 4.3.1 訓(xùn)練樣本的基本概念
- 4.3 樣本處理
- 4.2.6 特征降維和選擇
- 4.2.5 特征存在缺失或錯誤值時怎么辦
- 4.2.4 特征的類型和維度
- 4.2.3 特征工程案例
- 4.2.2 信息可以存儲在特征中，也可以存儲在模型中
- 4.2.1 特征工程的定義
- 4.2 特征工程
- 4.1.2 案例：兩個不同的排序模型
- 4.1.1 如何做好業(yè)務(wù)建模
- 4.1 業(yè)務(wù)建模
- 第4章 機器學(xué)習(xí)的建模實踐
- 3.4.7 深度學(xué)習(xí)的重要衍生功能
- 3.4.6 深度學(xué)習(xí)得到發(fā)展的前提及其具備的優(yōu)勢
- 3.4.5 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選擇
- 3.4.4 非線性變換函數(shù)的選擇
- 3.4.3 神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
- 3.4.2 組建神經(jīng)網(wǎng)絡(luò)
- 3.4.1 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的模型思路
- 3.4 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
- 3.3.6 小結(jié)
- 3.3.5 切分方式
- 3.3.4 提升方式
- 3.3.3 裝袋方式
- 3.3.2 實現(xiàn)組合模型的兩個步驟和方法
- 3.3.1 組合模型的兩個好處
- 3.3 多模型組合的方法
- 3.2.2 核函數(shù)的思路
- 3.2.1 正則化的另一種理解與SVM模型
- 3.2 核函數(shù)方法
- 3.1.2 怎樣擴展假設(shè)空間
- 3.1.1 線性模型的不足
- 3.1 從線性函數(shù)到非線性函數(shù)
- 第3章 從線性函數(shù)到非線性函數(shù)，如何構(gòu)建強大的模型
- 2.2.3 小結(jié)與回顧
- 2.2.2 過擬合的成因和防控
- 2.2.1 重要權(quán)衡的四張“面孔”
- 2.2 重要權(quán)衡與過擬合
- 2.1.5 小結(jié)與回顧
- 2.1.4 不同的尋解
- 2.1.3 不同的目標
- 2.1.2 新的需求場景
- 2.1.1 牛頓第二定律的遺留問題
- 2.1 機器為何能學(xué)習(xí)（續(xù)）：故事結(jié)束了嗎？我們需要更多的模型嗎
- 第2章 機器學(xué)習(xí)框架的深入探討
- 1.3.4 人工智能技術(shù)團隊的建設(shè)
- 1.3.3 企業(yè)如何搭上人工智能的戰(zhàn)車
- 1.3.2 企業(yè)為何要搭上人工智能的戰(zhàn)車
- 1.3.1 大數(shù)據(jù)的概念及價值
- 1.3 跨上人工智能的戰(zhàn)車
- 1.2.4 小結(jié)
- 1.2.3 大數(shù)據(jù)對機器學(xué)習(xí)的意義
- 1.2.2 如何在機器學(xué)習(xí)場景中應(yīng)用大數(shù)定律
- 1.2.1 機器學(xué)習(xí)的框架：假設(shè)+目標+尋解
- 1.2 機器是怎樣學(xué)習(xí)的
- 1.1.3 統(tǒng)計學(xué)習(xí)是否可信
- 1.1.2 從個案學(xué)習(xí)到統(tǒng)計學(xué)習(xí)
- 1.1.1 人類為何能學(xué)習(xí)
- 1.1 機器為何能學(xué)習(xí)
- 第1章 機器學(xué)習(xí)與大數(shù)據(jù)
- 第一部分 原理與思考
- 獻詞
- 前言
- 本書特色
- 版權(quán)信息
- 封面
- 封面
- 版權(quán)信息
- 本書特色
- 前言
- 獻詞
- 第一部分 原理與思考
- 第1章 機器學(xué)習(xí)與大數(shù)據(jù)
- 1.1 機器為何能學(xué)習(xí)
- 1.1.1 人類為何能學(xué)習(xí)
- 1.1.2 從個案學(xué)習(xí)到統(tǒng)計學(xué)習(xí)
- 1.1.3 統(tǒng)計學(xué)習(xí)是否可信
- 1.2 機器是怎樣學(xué)習(xí)的
- 1.2.1 機器學(xué)習(xí)的框架：假設(shè)+目標+尋解
- 1.2.2 如何在機器學(xué)習(xí)場景中應(yīng)用大數(shù)定律
- 1.2.3 大數(shù)據(jù)對機器學(xué)習(xí)的意義
- 1.2.4 小結(jié)
- 1.3 跨上人工智能的戰(zhàn)車
- 1.3.1 大數(shù)據(jù)的概念及價值
- 1.3.2 企業(yè)為何要搭上人工智能的戰(zhàn)車
- 1.3.3 企業(yè)如何搭上人工智能的戰(zhàn)車
- 1.3.4 人工智能技術(shù)團隊的建設(shè)
- 第2章 機器學(xué)習(xí)框架的深入探討
- 2.1 機器為何能學(xué)習(xí)（續(xù)）：故事結(jié)束了嗎？我們需要更多的模型嗎
- 2.1.1 牛頓第二定律的遺留問題
- 2.1.2 新的需求場景
- 2.1.3 不同的目標
- 2.1.4 不同的尋解
- 2.1.5 小結(jié)與回顧
- 2.2 重要權(quán)衡與過擬合
- 2.2.1 重要權(quán)衡的四張“面孔”
- 2.2.2 過擬合的成因和防控
- 2.2.3 小結(jié)與回顧
- 第3章 從線性函數(shù)到非線性函數(shù)，如何構(gòu)建強大的模型
- 3.1 從線性函數(shù)到非線性函數(shù)
- 3.1.1 線性模型的不足
- 3.1.2 怎樣擴展假設(shè)空間
- 3.2 核函數(shù)方法
- 3.2.1 正則化的另一種理解與SVM模型
- 3.2.2 核函數(shù)的思路
- 3.3 多模型組合的方法
- 3.3.1 組合模型的兩個好處
- 3.3.2 實現(xiàn)組合模型的兩個步驟和方法
- 3.3.3 裝袋方式
- 3.3.4 提升方式
- 3.3.5 切分方式
- 3.3.6 小結(jié)
- 3.4 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
- 3.4.1 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的模型思路
- 3.4.2 組建神經(jīng)網(wǎng)絡(luò)
- 3.4.3 神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
- 3.4.4 非線性變換函數(shù)的選擇
- 3.4.5 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選擇
- 3.4.6 深度學(xué)習(xí)得到發(fā)展的前提及其具備的優(yōu)勢
- 3.4.7 深度學(xué)習(xí)的重要衍生功能
- 第4章 機器學(xué)習(xí)的建模實踐
- 4.1 業(yè)務(wù)建模
- 4.1.1 如何做好業(yè)務(wù)建模
- 4.1.2 案例：兩個不同的排序模型
- 4.2 特征工程
- 4.2.1 特征工程的定義
- 4.2.2 信息可以存儲在特征中，也可以存儲在模型中
- 4.2.3 特征工程案例
- 4.2.4 特征的類型和維度
- 4.2.5 特征存在缺失或錯誤值時怎么辦
- 4.2.6 特征降維和選擇
- 4.3 樣本處理
- 4.3.1 訓(xùn)練樣本的基本概念
- 4.3.2 訓(xùn)練樣本的常見問題及其解決方案
- 4.4 模型評估
- 4.4.1 業(yè)務(wù)目標的評估
- 4.4.2 模型目標的評估
- 4.5 小結(jié)
- 第二部分 應(yīng)用與方法
- 第5章 電商平臺促銷策略模型
- 5.1 業(yè)務(wù)背景
- 5.1.1 互聯(lián)網(wǎng)的盈利模式
- 5.1.2 廣告定價機制
- 5.2 傳統(tǒng)的促銷方案
- 5.2.1 問題1：如何選擇促銷時機
- 5.2.2 問題2：如何為店鋪制定廣告消費任務(wù)
- 5.2.3 問題3：如何設(shè)置優(yōu)惠定價模型
- 5.3 基于競爭傳播的顛覆創(chuàng)新
- 5.3.1 顛覆創(chuàng)新的思考
- 5.3.2 競爭傳播模型
- 5.3.3 種子集合篩選算法
- 5.4 小結(jié)
- 第6章 計算機視覺及其應(yīng)用產(chǎn)品的構(gòu)建
- 6.1 計算機視覺產(chǎn)品的問題背景
- 6.2 圖像的特征表示
- 6.2.1 SIFT特征
- 6.2.2 CNN模型與特征
- 6.2.3 實現(xiàn)高速計算的方法：特征降維
- 6.3 視覺產(chǎn)品的構(gòu)建案例
- 6.3.1 如何在海量數(shù)據(jù)中尋找匹配的圖像
- 6.3.2 如何識別和理解圖像中的實體信息
- 6.3.3 其他計算機視覺領(lǐng)域常見任務(wù)
- 6.4 計算機視覺應(yīng)用的產(chǎn)業(yè)分析
- 6.4.1 計算機視覺在互聯(lián)網(wǎng)行業(yè)的應(yīng)用
- 6.4.2 計算機視覺在傳統(tǒng)行業(yè)的應(yīng)用
- 6.5 小結(jié)
- 第7章 知識圖譜和對話機器人
- 7.1 知識圖譜技術(shù)
- 7.1.1 兩類信息
- 7.1.2 人工智能技術(shù)的發(fā)展歷程
- 7.1.3 什么是知識圖譜
- 7.1.4 知識圖譜的應(yīng)用場景
- 7.2 基于知識的人機交互
- 7.2.1 基于領(lǐng)域知識優(yōu)化人機交互策略
- 7.2.2 領(lǐng)域知識的挖掘
- 7.3 對話機器人的產(chǎn)業(yè)分析與技術(shù)方案
- 7.3.1 技術(shù)流派與實現(xiàn)方案
- 7.3.2 技術(shù)應(yīng)用兩大方向
- 7.3.3 技術(shù)實現(xiàn)
- 7.3.4 應(yīng)用MDP和Q-learning算法的案例
- 第三部分 商業(yè)與戰(zhàn)略
- 第8章 認知新技術(shù)：區(qū)塊鏈
- 8.1 從創(chuàng)造者的視角理解技術(shù)
- 8.1.1 貨幣的本質(zhì)是什么
- 8.1.2 如何記賬
- 8.1.3 如何保證賬本的真實性
- 8.1.4 如何保證賬本的安全性
- 8.1.5 如何實現(xiàn)分布式存儲的數(shù)據(jù)同步
- 8.1.6 如何解決記賬的動力
- 8.2 用抽象邏輯梳理應(yīng)用場景
- 8.2.1 “鏈圈”應(yīng)用的內(nèi)在邏輯
- 8.2.2 區(qū)塊鏈技術(shù)應(yīng)用的案例
- 8.2.3 區(qū)塊鏈技術(shù)應(yīng)用的三個阻礙
- 8.2.4 “鏈圈”應(yīng)用的總結(jié)
- 8.3 “幣圈”應(yīng)用思想的精要
- 8.3.1 為什么要發(fā)幣
- 8.3.2 為何幣會值錢
- 8.3.3 如何設(shè)計發(fā)幣
- 8.4 從商業(yè)本質(zhì)來制定戰(zhàn)略
- 第9章 醫(yī)療行業(yè)的技術(shù)布局和應(yīng)用思考
- 9.1 謀劃行業(yè)中的技術(shù)應(yīng)用
- 9.2 互聯(lián)網(wǎng)醫(yī)療平臺
- 9.2.1 多種醫(yī)藥流通業(yè)態(tài)逐漸融合
- 9.2.2 互聯(lián)網(wǎng)醫(yī)療平臺與商業(yè)保險的合作模式
- 9.3 醫(yī)療行業(yè)的技術(shù)應(yīng)用分析
- 9.3.1 互聯(lián)網(wǎng)應(yīng)用
- 9.3.2 區(qū)塊鏈應(yīng)用
- 9.3.3 IT軟件和云計算應(yīng)用
- 9.3.4 人工智能應(yīng)用
- 9.3.5 科技企業(yè)進入傳統(tǒng)行業(yè)落地AI技術(shù)
- 9.4 思考技術(shù)在行業(yè)應(yīng)用的方法論
- 第10章 從技術(shù)到商業(yè)的思考
- 10.1 主題回顧
- 10.2 從技術(shù)到商業(yè)的思維模式轉(zhuǎn)變
- 10.2.1 戰(zhàn)略壁壘的重要性
- 10.2.2 常見的戰(zhàn)略壁壘
- 10.3 新型壁壘：平臺模式的解析
- 10.3.1 平臺模式的典型案例：Steam游戲平臺
- 10.3.2 互聯(lián)網(wǎng)企業(yè)以整合C端平臺供應(yīng)鏈的模式切入B端服務(wù)市場
- 10.3.3 互聯(lián)網(wǎng)企業(yè)賦能生態(tài)伙伴的方法論
- 10.4 技術(shù)投資與采購的方法論
- 10.4.1 層面1：梳理業(yè)務(wù)所需的技術(shù)全景
- 10.4.2 層面2：梳理具體技術(shù)方向的內(nèi)部邏輯
- 10.4.3 層面3：分析具備能力的候選企業(yè)
- 10.4.4 案例：短視頻C端賽道的業(yè)務(wù)
- 10.5 人工智能的產(chǎn)業(yè)展望
- 10.5.1 人工智能未來的發(fā)展
- 10.5.2 人工智能應(yīng)用的方法論
- 10.5.3 人工智能的企業(yè)市場分析
- 10.6 企業(yè)的組織能力：《創(chuàng)新者的窘境》中的理論
- 10.7 人工智能應(yīng)用領(lǐng)域的職業(yè)前景
- 第四部分 工具與實踐
- 第11章 實踐課
- 11.1 實踐課1：基于深度學(xué)習(xí)框架飛槳完成房價預(yù)測任務(wù)
- 11.1.1 深度學(xué)習(xí)框架
- 11.1.2 飛槳產(chǎn)業(yè)級深度學(xué)習(xí)開源開放平臺
- 11.1.3 使用飛槳構(gòu)建波士頓房價預(yù)測模型
- 11.2 實踐課2：手寫數(shù)字識別
- 11.3 實踐課3：詞向量和語義相似度
- 11.4 實踐課4：畢業(yè)設(shè)計
- 11.4.1 畢業(yè)設(shè)計作業(yè)
- 11.4.2 往屆學(xué)員優(yōu)秀作品展示
- 作者簡介
- 封底 更新時間：2023-11-02 20:12:02
