本书以任务驱动为主线，围绕企业级应用进行项目任务设计，介绍了平台的本地模式安装、伪分布式模式安装及完全分布式模式安装，并基于Hadoop2.X生态系统，全面讲解了Hive环境搭...
电子书
内容简介
本书较为全面地介绍了人工智能技术服务、人工智能开放平台应用与实践等内容。全书共12个实训项目，包括人工智能概述、人工智能技术体系、智能数据服务平台入门使用、智能数据服务平台数据导入、智能数据服务平台数据处理、智能数据服务平台数据标注、深度学习模型定制平台入门使用、深度学习模型定制平台模型训练、深度学习模型定制平台模型部署、深度学习开发平台视觉任务应用、深度学习开发平台文本任务应用、深度学习开发平台声音任务应用等。本书以企业用人需求为导向，以岗位技能和综合素质为核心，通过理论与实战相结合的方式，培养能够根据深度学习项目需求，利用深度学习开发平台完成深度学习应用开发等工作的人才。
章节目录
- 第1篇人工智能技术服务
- 项目1人工智能技术与应用设计
- 项目目标
- 项目描述
- 知识准备
- 1.1 智能与人工智能
- 1.1.1 智能的定义
- 1.1.2 人工智能的定义
- 1.2 人工智能关键技术
- 1.2.1 机器学习
- 1.2.2 深度学习
- 1.2.3 计算机视觉
- 1.2.4 自然语言处理
- 1.2.5 知识图谱
- 1.2.6 人机交互
- 1.3 人工智能场景下的应用设计方案分析
- 1.3.1 场景需求分析
- 1.3.2 设计方案分析
- 项目实施
- 1.4 实施思路
- 1.5 实施步骤
- 知识拓展
- 1.6 图灵测试
- 1.7 图灵测试的缺陷
- 课后实训
- 项目2人工智能产业与应用开发
- 项目目标
- 项目描述
- 知识准备
- 2.1 人工智能产业结构
- 2.2 人工智能基础层相关产品
- 2.2.1 硬件设施
- 2.2.2 软件设施
- 2.2.3 数据资源
- 2.3 人工智能技术层相关产品
- 2.3.1 基础框架
- 2.3.2 算法模型
- 2.3.3 通用技术
- 2.4 人工智能应用层相关产品
- 2.4.1 应用平台
- 2.4.2 智能应用场景
- 2.5 人工智能应用开发的基本流程
- 2.5.1 需求分析
- 2.5.2 数据准备
- 2.5.3 模型训练
- 2.5.4 模型应用
- 项目实施
- 2.6 实施思路
- 2.7 实施步骤
- 知识拓展
- 课后实训
- 第2篇智能数据服务平台应用
- 项目3智能数据服务平台入门使用
- 项目目标
- 项目描述
- 知识准备
- 3.1 智能数据服务平台简介
- 3.2 智能数据服务平台功能
- 3.2.1 数据采集
- 3.2.2 数据清洗
- 3.2.3 数据标注
- 3.3 智能数据服务平台优势
- 项目实施
- 3.4 实施思路
- 3.5 实施步骤
- 知识拓展
- 课后实训
- 项目4智能数据服务平台数据采集
- 项目目标
- 项目描述
- 知识准备
- 4.1 数据的定义
- 4.2 数据的分类
- 4.2.1 按照字段类型分类
- 4.2.2 按照数据结构分类
- 4.2.3 其他分类
- 4.3 构建高质量数据集
- 4.3.1 获取足够的数据量
- 4.3.2 采集高质量的数据
- 4.3.3 创建高质量的分类
- 4.3.4 拆分数据集
- 项目实施
- 4.4 实施思路
- 4.5 实施步骤
- 知识拓展
- 课后实训
- 项目5智能数据服务平台数据清洗
- 项目目标
- 项目描述
- 知识准备
- 5.1 数据清洗的定义
- 5.2 数据清洗的对象
- 5.2.1 残缺数据
- 5.2.2 错误数据
- 5.2.3 重复数据
- 5.3 数据清洗的作用
- 5.4 数据质量的评估准则
- 5.4.1 完整性
- 5.4.2 一致性
- 5.4.3 准确性
- 项目实施
- 5.5 实施思路
- 5.6 实施步骤
- 知识拓展
- 课后实训
- 项目6智能数据服务平台图像标注
- 项目目标
- 项目描述
- 知识准备
- 6.1 图像标注的定义
- 6.2 常见的图像标注方式
- 6.2.1 2D 边界框标注
- 6.2.2 3D 长方体标注
- 6.2.3 多边形标注
- 6.2.4 关键点标注
- 6.2.5 折线标注
- 6.2.6 语义分割
- 6.3 图像标注流程
- 6.3.1 确定标注规则
- 6.3.2 试标注
- 6.3.3 标注检查
- 6.3.4 模型训练
- 6.3.5 预标注
- 6.3.6 补充标注
- 6.4 图像标注通用规则
- 6.4.1 贴边规则
- 6.4.2 重叠规则
- 6.4.3 独立规则
- 6.4.4 不框规则
- 6.4.5 边界检查规则
- 6.4.6 小目标规则
- 项目实施
- 6.5 实施思路
- 6.6 实施步骤
- 知识拓展
- 6.7 XML 的定义
- 6.8 XML 文件的作用
- 课后实训
- 第3篇深度学习模型定制平台应用
- 项目7深度学习模型定制平台入门使用
- 项目目标
- 项目描述
- 知识准备
- 7.1 深度学习模型定制平台的简介
- 7.2 深度学习模型定制平台的功能
- 7.2.1 EasyDL 图像
- 7.2.2 EasyDL 文本
- 7.2.3 EasyDL 语音
- 7.2.4 EasyDL OCR
- 7.2.5 EasyDL 视频
- 7.2.6 EasyDL 结构化数据
- 7.3 深度学习模型定制平台的优势
- 项目实施
- 7.4 实施思路
- 7.5 实施步骤
- 知识拓展
- 课后实训
- 项目8深度学习模型定制平台模型训练
- 项目目标
- 项目描述
- 知识准备
- 8.1 物体检测模型的应用场景
- 8.1.1 视频图像监控
- 8.1.2 工业生产质检
- 8.1.3 专业领域研究
- 8.2 物体检测模型的训练结果
- 8.2.1 正确识别
- 8.2.2 误识别
- 8.2.3 漏识别
- 8.3 物体检测模型的评估指标
- 8.3.1 准确率
- 8.3.2 精确率
- 8.3.3 召回率
- 8.3.4 假正类率
- 8.3.5 F1 分数
- 8.3.6 平均精度
- 8.4 EasyDL 训练物体检测模型的基本流程
- 项目实施
- 8.5 实施思路
- 8.6 实施步骤
- 知识拓展
- 课后实训
- 项目9深度学习模型定制平台模型部署
- 项目目标
- 项目描述
- 知识准备
- 9.1 深度学习模型部署流程
- 9.2 深度学习模型定制平台的部署方法
- 9.2.1 图像类模型部署方法
- 9.2.2 文本类模型部署方法
- 9.3 人工智能边缘开发设备及摄像头
- 项目实施
- 9.4 实施思路
- 9.5 实施步骤
- 知识拓展
- 9.6 获取Access Token
- 9.7 API 请求返回参数
- 9.8 错误码
- 课后实训
- 第4篇深度学习综合应用
- 项目10深度学习开发平台视觉任务应用
- 项目目标
- 项目描述
- 知识准备
- 10.1 工业质检行业背景
- 10.2 智能工业质检流程
- 10.3 工业质检行业应用
- 项目实施
- 10.4 实施思路
- 10.5 实施步骤
- 知识拓展
- 课后实训
- 项目11深度学习开发平台文本任务应用
- 项目目标
- 项目描述
- 知识准备
- 11.1 文本分类的行业背景
- 11.2 文本分类的流程
- 11.3 文本分类模型的评估指标
- 11.3.1 宏平均和微平均
- 11.3.2 11 点平均正确率
- 11.4 文本分类模型的行业应用
- 项目实施
- 11.5 实施思路
- 11.6 实施步骤
- 知识拓展
- 11.7 中文语料库
- 11.8 英文语料库
- 课后实训
- 项目12深度学习开发平台声音任务应用
- 项目目标
- 项目描述
- 知识准备
- 12.1 声音分类的概念
- 12.2 声音分类的应用
- 12.3 智能声音分类的流程
- 项目实施
- 12.4 实施思路
- 12.5 实施步骤
- 知识拓展
- 课后实训
展开全部
人工智能平台应用是2022年由人民邮电出版社出版,作者李垒，常城主编。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《人工智能平台应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书系统地介绍了云计算基础架构与实践相关知识，全书共分为5个项目，项目1主要介绍了云计算的概念与发展趋势、云计算的架构内涵与关键技术、云计算基础架构等内容；项目2主要介绍了共享...
电子书
本书介绍了人工智能的基础知识和实用技术。包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：预测未来趋势”“分门别类：帮你‘分而治之’”“物以类聚：发...
电子书
本书较为全面地介绍了开源的OpenStack云计算架构及其组件，并借助开源脚本搭建形成一个完整的云平台。全书共分为认识OpenStack、环境设计和系统准备、认证服务、基础控制...
电子书
本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基...
电子书
本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基...