作品简介

本书主要围绕人工智能平台ModelArts和人工智能应用开发流程,介绍基本概念、关键模块以及典型的场景化应用开发案例。全书共分为三篇:第一篇人工智能应用开发概述(第1章和第2章),介绍了人工智能技术、应用、平台,以及人工智能应用快速开发流程;第二篇人工智能应用开发方法(第3章~第9章),介绍了人工智能应用开发全流程及其子流程,包括数据准备、算法选择和开发、模型训练、模型评估和调优、应用生成、应用评估和发布、应用维护;第三篇人工智能应用开发场景化实践(第10章~第12章),介绍了企业级人工智能平台、面向复杂行业的自动化人工智能系统、基于端-边-云协同的人工智能平台及应用开发。

本书旨在通过一整套工具链和方法传递,使得每个开发者都可以借助ModelArts平台在具体业务场景下更快、更高效、更低成本地开发出人工智能应用,从而更好地解决各行业各领域面临的实际问题。本书适合有志于从事人工智能应用开发的开发者参考。

田奇,华为云人工智能领域首席科学家,IEEE Fellow,国家自然科学基金海外杰青,中国科学院海外评审专家。

白小龙,华为云机器学习和深度学习技术专家、ModelArts产品架构师,浙江大学工学博士,新加坡南洋理工大学公派联合培养博士,《深入理解TensorFlow:架构设计与实现原理》作者之一。

作品目录

  • 作者简介
  • 内容简介
  • 序一 ModelArts让AI应用开发更简单
  • 序二
  • 前言
  • 第一篇 人工智能应用开发概述
  • 第1章 人工智能技术、应用及平台
  • 1.1 人工智能技术
  • 1.2 人工智能应用
  • 1.3 人工智能平台
  • 第2章 人工智能应用快速开发
  • 2.1 基于图像分类模板的开发
  • 2.2 基于目标检测模板的开发
  • 2.3 基于声音分类模板的开发
  • 2.4 基于文本分类模板的开发
  • 第二篇 人工智能应用开发方法
  • 第3章 人工智能应用开发全流程
  • 3.1 人工智能应用开发全流程解析
  • 3.2 人工智能应用开发流程的权衡
  • 3.3 人工智能应用开发全流程的成本分析
  • 第4章 数据准备
  • 4.1 数据采集和接入
  • 4.2 数据处理
  • 4.3 数据标注
  • 4.4 数据分析和优化
  • 第5章 算法选择和开发
  • 5.1 算法选择
  • 5.2 算法开发
  • 第6章 模型训练
  • 6.1 模型训练的基本过程
  • 6.2 基于ModelArts的模型训练
  • 6.3 端到端训练加速
  • 6.4 自动搜索
  • 6.5 弹性训练
  • 6.6 联邦协同训练
  • 第7章 模型评估和调优
  • 7.1 模型评估
  • 7.2 模型诊断优化
  • 第8章 应用生成、评估和发布
  • 8.1 应用管理
  • 8.2 应用部署和发布
  • 第9章 应用维护
  • 9.1 数据采集和筛选
  • 9.2 应用迭代
  • 9.3 基于ModelArts的应用维护
  • 第三篇 人工智能应用开发场景化实践
  • 第10章 构建企业级人工智能平台
  • 10.1 企业级人工智能平台
  • 10.2 企业级OCR平台
  • 第11章 构建面向复杂行业的自动化人工智能系统
  • 11.1 面向复杂行业的人工智能系统
  • 11.2 面向基因组学的自动化人工智能建模系统
  • 第12章 端-边-云协同的人工智能平台及应用开发
  • 12.1 端-云协同的人工智能应用开发
  • 12.2 边-云协同的人工智能应用开发
  • 附录CD
展开全部