AI與大數據技術導論(基礎篇)：發展歷程、產業鏈、運算模式、機器學習……從理論概述到核心技術，深度探索人工智慧!

前言

第1章 人工智慧概述
1.1 AI是什麼
1.2 AI技術的成熟度
1.3 美國AI龍頭分析
1.4 中國AI現狀
1.5 AI與雲端運算和大數據的關係
1.6 AI技術路線
1.7 AI國家策略
1.8 AI的歷史發展

第2章 AI產業
2.1 基礎層
2.2 技術層
2.3 應用層
2.4 AI產業發展趨勢分析

第3章 資料
3.1 什麼是大數據
3.2 中國國內大數據現狀
3.3 大數據的運算模式
3.4 大數據技術
3.5 資料平臺
3.6 大數據的商用途徑
3.7 大數據產業
3.8 政府大數據案例分析

第4章 機器學習概述
4.1 走進機器學習
4.2 機器學習的基本概念
4.3 資料預處理

第5章 模型
5.1 什麼是模型
5.2 誤差和MSE
5.3 模型的訓練
5.4 梯度下降法
5.5 模型的擬合效果
5.6 模型的評估與改進
5.7 機器學習的實現框架

第6章 機器學習演算法
6.1 演算法概述
6.2 支援向量機演算法
6.3 邏輯迴歸演算法
6.4 KNN演算法
6.5 決策樹演算法
6.6 整合演算法
6.7 聚類演算法
6.8 機器學習演算法總結

第7章 深度學習
7.1 走進深度學習
7.2 神經網路的訓練
7.3 神經網路的最佳化和改進
7.4 卷積神經網路
7.5 深度學習的優勢
7.6 深度學習的實現框架

 

前言

　　2017年是人工智慧（Artificial Intelligence，AI）年，人工智慧技術越來越多的應用到日常生活的各個方面。AlphaGo ZERO替代AlphaGo實現自我學習，百度無人汽車上路，iPhone X開啟Face ID，阿里和小米先後發表智慧音箱，中國肯德基上線人臉支付……這些背後都是人工智慧技術的驅動。2017年7月，中國發表了新一代人工智慧發展規畫，將中國人工智慧產業的發展推向了新高度。

　　人工智慧技術是繼蒸汽機、電力、網路科技之後最有可能帶來新一次產業革命浪潮的技術，在爆炸式的資料累積、基於神經網路模型的新型演算法與更加強大、成本更低的運算力的促進下，本次人工智慧的發展受到風險投資的熱烈追捧而處於高速發展時期，人工智慧技術的應用場景也在各個行業逐漸明朗，開始帶來實際商業價值。在金融行業，人工智慧可以在風險控制、資產配置、智慧投顧等方向進行應用，預計將帶來約6,000億人民幣的降本增益效益。在汽車行業，人工智慧在自動駕駛上的技術突破，將帶來約5,000億人民幣的價值增益。在醫療行業，透過人工智慧技術，在藥物研發領域可以提高成功率，在醫療服務機構可以提供疾病診斷輔助、疾病監護輔助，預計可以帶來約4,000億人民幣的降本價值。在零售行業，人工智慧在推薦系統上的運用將提高線上銷售的銷量，同時能夠對市場進行精準預測，降低庫存，預計將帶來約4,200億人民幣的降本增益效益。

　　人工智慧是一個非常廣泛的領域。人工智慧技術涵蓋很多大的學科，包括電腦視覺（模式辨識、圖像處理）、自然語言理解與交流（語音辨識）、認知科學、機器人學（機械、控制、設計、運動規畫、任務規畫等）、機器學習（各種統計的建模、分析和運算的方法）。人工智慧產業鏈條涵蓋了基礎層、技術層、應用層等多個方面，其輻射範圍之大，單一公司無法包攬人工智慧產業的每個環節，深耕細分領域和合作整合多個產業間資源的形式成為人工智慧領域主要的發展路徑。

　　本書從人工智慧的定義入手，前兩章闡述了人工智慧熱門的成因、發展歷程、產業鏈、技術和應用場景，從第3章開始詳細闡述人工智慧的幾個核心技術（大數據、機器學習、深度學習）和最流行的開源平臺（TensorFlow）。透過本書，讀者既能了解人工智慧的各個方面（廣度），又能深度學習人工智慧的重點技術和平臺工具，最終能夠將人工智慧技術應用到實際工作場景中，共同創建一個智慧的時代。