本書介紹了人工智能概覽、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能主流開發(fā)框架、華為全棧全場景AI戰(zhàn)略—EI、 HiAI、昇騰，以及人工智能綜合實(shí)驗(yàn)等內(nèi)容?這是一本華為ICT學(xué)院人工智能課程培訓(xùn)的教材。本書是作者和華為的工作人員共同完成的，其間參閱了國內(nèi)外現(xiàn)有教材和相關(guān)文獻(xiàn)后編寫的?全書注重理論與實(shí)踐的結(jié)合, 注重算法與框架的實(shí)際應(yīng)用與實(shí)現(xiàn)方法, 注重創(chuàng)新思維的訓(xùn)練與培養(yǎng)?
本書既可作為高等院校人工智能課程的培訓(xùn)教材，也可作為自動(dòng)化?電氣工程及其自動(dòng)化?計(jì)算機(jī)科學(xué)與技術(shù)?電子信息工程等專業(yè)學(xué)生“人工智能” 課程的本科生?研究生教材, 也可供從事人工智能研究與應(yīng)用的科技工作者學(xué)習(xí)參考?
1.華為HiAI認(rèn)證指定教材；
2.本書摒棄了以清單羅列知識(shí)點(diǎn)的生硬做法，用邏輯性更強(qiáng)的文字描述知識(shí)點(diǎn)與知識(shí)點(diǎn)之間的聯(lián)系；
3.本書按模塊學(xué)習(xí)，內(nèi)容深入淺出，使學(xué)生思路清晰，條理清楚，能夠更好地掌握知識(shí)。
華為技術(shù)有限公司，成立于1987年，總部位于廣東省深圳市龍崗區(qū)。華為是全球領(lǐng)先的信息與通信技術(shù)（ICT）解決方案供應(yīng)商，專注于ICT領(lǐng)域，堅(jiān)持穩(wěn)健經(jīng)營、持續(xù)創(chuàng)新、開放合作，在電信運(yùn)營商、企業(yè)、終端和云計(jì)算等領(lǐng)域構(gòu)筑了端到端的解決方案優(yōu)勢(shì)，為運(yùn)營商客戶、企業(yè)客戶和消費(fèi)者提供有競爭力的ICT解決方案、產(chǎn)品和服務(wù)，并致力于實(shí)現(xiàn)未來信息社會(huì)、構(gòu)建更美好的全聯(lián)接世界。2013年，華為首超全球第一大電信設(shè)備商愛立信，排名《財(cái)富》世界500強(qiáng)第315位。華為的產(chǎn)品和解決方案已經(jīng)應(yīng)用于全球170多個(gè)國家，服務(wù)全球運(yùn)營商50強(qiáng)中的45家及全球1/3的人口。
第 1章 人工智能概述 1
1.1 人工智能的概念 1
1.1.1 什么是人工智能 1
1.1.2 AI、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系 3
1.1.3 AI的分類 4
1.1.4 AI的發(fā)展史 4
1.1.5 AI的3大學(xué)派 8
1.2 AI相關(guān)技術(shù)概覽 9
1.2.1 深度學(xué)習(xí)框架介紹 10
1.2.2 AI處理器簡介 11
1.2.3 AI產(chǎn)業(yè)生態(tài) 13
1.2.4 華為云企業(yè)智能應(yīng)用平臺(tái) 15
1.3 AI的技術(shù)領(lǐng)域與應(yīng)用領(lǐng)域 17
1.3.1 AI技術(shù)領(lǐng)域 17
1.3.2 AI應(yīng)用領(lǐng)域 19
1.3.3 AI所處的階段 21
1.4 華為AI發(fā)展戰(zhàn)略 21
1.4.1 全棧全場景AI解決方案 21
1.4.2 華為AI全棧方向 21
1.5 AI的爭議 23
1.5.1 算法偏見 23
1.5.2 隱私問題 24
1.5.3 技術(shù)與倫理的矛盾 24
1.5.4 大家都會(huì)失業(yè)嗎？ 24
1.6 AI的發(fā)展趨勢(shì) 24
1.7 本章小結(jié) 26
1.8 習(xí)題 26
第 2章 機(jī)器學(xué)習(xí) 27
2.1 機(jī)器學(xué)習(xí)概述 27
2.1.1 機(jī)器學(xué)習(xí)算法的理性認(rèn)識(shí) 28
2.1.2 機(jī)器學(xué)習(xí)解決的主要問題 29
2.2 機(jī)器學(xué)習(xí)的分類 29
2.2.1 監(jiān)督學(xué)習(xí) 30
2.2.2 無監(jiān)督學(xué)習(xí) 31
2.2.3 半監(jiān)督學(xué)習(xí) 31
2.2.4 強(qiáng)化學(xué)習(xí) 32
2.3 機(jī)器學(xué)習(xí)的整體流程 33
2.3.1 數(shù)據(jù)收集 33
2.3.2 數(shù)據(jù)清洗 34
2.3.3 特征選擇 35
2.3.4 模型構(gòu)建整體流程 36
2.3.5 模型評(píng)估 37
2.4 模型中的參數(shù)與超參數(shù) 40
2.4.1 梯度下降 41
2.4.2 驗(yàn)證集與超參數(shù)搜索 42
2.4.3 交叉驗(yàn)證 43
2.5 機(jī)器學(xué)習(xí)的常見算法 43
2.5.1 線性回歸 44
2.5.2 邏輯回歸 46
2.5.3 決策樹 48
2.5.4 支持向量機(jī) 49
2.5.5 K近鄰算法 50
2.5.6 樸素貝葉斯 51
2.5.7 集成學(xué)習(xí) 52
2.5.8 聚類算法 54
2.6 案例詳解 54
2.7 本章小結(jié) 56
2.8 習(xí)題 57
第3章 深度學(xué)習(xí)概覽 58
3.1 深度學(xué)習(xí)簡介 58
3.1.1 深度神經(jīng)網(wǎng)絡(luò) 59
3.1.2 深度學(xué)習(xí)的發(fā)展歷程 59
3.1.3 感知器算法 60
3.2 訓(xùn)練法則 62
3.2.1 損失函數(shù) 62
3.2.2 梯度下降算法 63
3.2.3 反向傳播算法 64
3.3 激活函數(shù) 66
3.4 正則化 67
3.4.1 參數(shù)懲罰 67
3.4.2 數(shù)據(jù)集擴(kuò)充 69
3.4.3 Dropout 69
3.4.4 提前停止訓(xùn)練 70
3.5 優(yōu)化器 70
3.5.1 動(dòng)量優(yōu)化器 70
3.5.2 Adagrad優(yōu)化器 71
3.5.3 RMSprop優(yōu)化器 72
3.5.4 Adam優(yōu)化器 72
3.6 神經(jīng)網(wǎng)絡(luò)類型 73
3.6.1 卷積神經(jīng)網(wǎng)絡(luò) 73
3.6.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 76
3.6.3 生成對(duì)抗網(wǎng)絡(luò) 78
3.7 常見問題 79
3.7.1 數(shù)據(jù)不平衡問題 79
3.7.2 梯度消失與梯度爆炸 80
3.7.3 過擬合問題 80
3.8 本章小結(jié) 80
3.9 習(xí)題 80
第4章 深度學(xué)習(xí)開發(fā)框架 82
4.1 深度學(xué)習(xí)開發(fā)框架簡介 82
4.1.1 PyTorch介紹 82
4.1.2 MindSpore介紹 82
4.1.3 TensorFlow介紹 84
4.2 TensorFlow 2.0基礎(chǔ) 85
4.2.1 TensorFlow 2.0簡介 85
4.2.2 張量介紹 85
4.2.3 TensorFlow 2.0 Eager Execution 85
4.2.4 TensorFlow 2.0 AutoGraph 85
4.3 TensorFlow 2.0模塊介紹 86
4.3.1 常見模塊介紹 86
4.3.2 Keras接口 86
4.4 TensorFlow 2.0開發(fā)基本步驟 87
4.4.1 環(huán)境搭建 87
4.4.2 開發(fā)流程 88
4.5 本章小結(jié) 90
4.6 習(xí)題 90
第5章 華為AI開發(fā)框架MindSpore 92
5.1 MindSpore開發(fā)框架簡介 92
5.1.1 MindSpore架構(gòu) 92
5.1.2 MindSpore的設(shè)計(jì)理念 93
5.1.3 MindSpore的優(yōu)點(diǎn) 98
5.2 MindSpore開發(fā)與應(yīng)用 99
5.2.1 環(huán)境搭建 99
5.2.2 MindSpore相關(guān)組件及概念 101
5.2.3 用MindSpore實(shí)現(xiàn)手寫數(shù)字識(shí)別 102
5.3 本章小結(jié) 109
5.4 習(xí)題 109
第6章 華為Atlas人工智能計(jì)算解決方案 110
6.1 昇騰AI處理器的硬件架構(gòu) 110
6.1.1 昇騰AI處理器硬件的邏輯架構(gòu) 110
6.1.2 達(dá)芬奇架構(gòu) 110
6.2 昇騰AI處理器的軟件架構(gòu) 114
6.2.1 昇騰AI處理器軟件的邏輯架構(gòu) 114
6.2.2 昇騰AI處理器神經(jīng)網(wǎng)絡(luò)軟件流 116
6.2.3 昇騰AI處理器軟件流各功能模塊介紹 117
6.2.4 昇騰AI處理器的數(shù)據(jù)流程 131
6.3 Atlas人工智能計(jì)算解決方案 132
6.3.1 Atlas加速AI推理 132
6.3.2 Atlas加速AI訓(xùn)練 142
6.3.3 Atlas端、邊、云協(xié)同 144
6.4 Atlas的行業(yè)應(yīng)用 145
6.4.1 電力：智能電網(wǎng)一站式ICT解決方案 145
6.4.2 智慧金融：全面數(shù)字化轉(zhuǎn)型 145
6.4.3 智能制造：機(jī)器與思想的數(shù)字化融合 146
6.4.4 智慧交通：人悅于行，物優(yōu)其流 146
6.4.5 超算：打造國家級(jí)人工智能平臺(tái) 147
6.5 本章小結(jié) 147
6.6 習(xí)題 148
第7章 華為智能終端AI能力開放平臺(tái) 149
7.1 HUAWEI HiAI平臺(tái)介紹 149
7.1.1 HUAWEI HiAI 平臺(tái)架構(gòu) 150
7.1.2 HUAWEI HiAI Foundation 151
7.1.3 HUAWEI HiAI Engine 153
7.1.4 HUAWEI HiAI Service 153
7.2 基于HUAWEI HiAI平臺(tái)開發(fā)App 154
7.3 HUAWEI HiAI部分解決方案 156
7.3.1 HUAWEI HiAI助力聾啞人士 156
7.3.2 HUAWEI HiAI提升元貝駕考應(yīng)用的視覺體驗(yàn) 157
7.3.3 HUAWEI HiAI賦能攜程旅行 157
7.3.4 HUAWEI HiAI賦能WPS文檔檢測(cè)校正 158
7.4 本章小結(jié) 160
7.5 習(xí)題 161
第8章 華為云企業(yè)智能應(yīng)用平臺(tái) 162
8.1 華為云EI服務(wù)家族 162
8.1.1 華為云EI智能體 163
8.1.2 EI基礎(chǔ)平臺(tái)——華為HiLens 166
8.1.3 EI基礎(chǔ)平臺(tái)——圖引擎服務(wù) 169
8.1.4 EI家族其他服務(wù)介紹 170
8.2 ModelArts 178
8.2.1 ModelArts功能介紹 178
8.2.2 ModelArts的產(chǎn)品結(jié)構(gòu)及應(yīng)用 179
8.2.3 ModelArts的產(chǎn)品優(yōu)勢(shì) 180
8.2.4 訪問ModelArts的方式 180
8.2.5 ModelArts使用簡介 181
8.3 華為云EI解決方案 182
8.3.1 OCR服務(wù)實(shí)現(xiàn)報(bào)銷發(fā)票全流程自動(dòng)化案例 182
8.3.2 OCR助力智慧物流案例 183
8.3.3 對(duì)話機(jī)器人 183
8.3.4 某區(qū)企業(yè)智能問答案例 185
8.3.5 基因知識(shí)圖譜案例 186
8.3.6 基于知識(shí)圖譜的政策查詢 186
8.3.7 智慧園區(qū)案例 187
8.3.8 人流統(tǒng)計(jì)及熱力圖案例 188
8.3.9 車輛識(shí)別案例 188
8.3.10 入侵識(shí)別案例 189
8.3.11 中石油認(rèn)知計(jì)算平臺(tái)——測(cè)井油氣層識(shí)別 190
8.4 本章小結(jié) 191
8.5 習(xí)題 192
附錄A HiAI Engine具體API簡介 193
附錄B 習(xí)題解答 200
書單推薦
