《認知計算攻略 使用Cognitive Services和TensorFlow》是2020年清華大學出版社出版的圖書，作者是[巴基斯坦]阿德南·馬蘇德（Adnan Masood） 阿德南·拉希米（Adnan Hashmi）。
基本介紹
- 中文名： 認知計算攻略 使用Cognitive Services和TensorFlow
- 作者：[巴基斯坦]阿德南·馬蘇德（Adnan Masood） 阿德南·拉希米（Adnan Hashmi）
- 出版社： 清華大學出版社
- 出版時間：2020年
- 定價：98 元
- ISBN： 9787302554356
內容簡介,圖書目錄,
內容簡介
讀者將：
● 使用Microsoft Cognitive Services API構建可用於生產環境的解決方案
● 解決自然語言處理和計算機視覺中的企業問題
● 探究機器學習開發生命周期——從正式的問題定義到規模化部署
圖書目錄
第1章 使用認知服務實現AI民主化 1
1.1 AI民主化 3
1.1.1 機器學習庫 4
1.1.2 機器學習和深度學習目前的狀態 5
1.2 為人工智慧構建業務用例 6
1.2.1 自然語言理解和生成 7
1.2.2 語音識別 7
1.2.3 認知數字助理 7
1.2.4 非結構化文本分析 8
1.2.5 決策管理 8
1.2.6 機器人流程自動化 8
1.3 機器學習的五大流派 8
1.4 Microsoft認知服務——概述 9
1.4.1 語音 11
1.4.2 語言 11
1.4.3 知識 11
1.4.4 搜尋 11
1.5 人工智慧的倫理規範 12
1.6 結語 13
第2章 構建對話式接口 15
2.1 對話式UI的組成部分 15
2.2 開始使用機器人框架 16
2.3 Bot Framework SDK示例 19
2.4 攻略2-1：構建YodaBot 21
2.4.1 問題 21
2.4.2 解決方案 21
2.4.3 運行機制 24
2.5 攻略2-2：使用Azure Bot Service創建機器人 29
2.5.1 問題 29
2.5.2 解決方案 29
2.5.3 運行機制 30
2.6 攻略2-3：構建一個問答機器人 35
2.6.1 問題 35
2.6.2 解決方案 35
2.6.3 運行機制 35
2.7 攻略2-4：數據中心健康監測機器人 42
2.7.1 問題 42
2.7.2 解決方案 43
2.7.3 運行機制 43
2.8 通過Resource Manager模板設定Azure部署 63
第3章 眼見為實：自定義視覺 69
3.1 熱狗，非熱狗 71
3.1.1 問題 71
3.1.2 解決方案 71
3.2 構建自定義視覺以訓練安防系統 77
3.2.1 問題 78
3.2.2 解決方案 78
3.3 使用認知服務計算機視覺API構建說明標註機器人 87
3.3.1 問題 87
3.3.2 解決方案 87
3.3.3 DAQUAR挑戰 101
3.4 使用CustomVision.AI研究冰櫃 101
3.4.1 問題 101
3.4.2 解決方案 101
3.5 現在使用認知工具集研究冰櫃 109
3.5.1 問題 109
3.5.2 解決方案 109
3.6 使用自定義視覺進行產品和部件識別 122
3.6.1 問題 122
3.6.2 解決方案 122
3.7 在CNTK中使用自定義視覺模型搜尋服飾 141
3.7.1 問題 141
3.7.2 解決方案 141
第4章 文本分析：暗數據前沿 155
4.1 文本分析生態系統概覽 156
4.1.1 CoreNLP 156
4.1.2 NLTK——Python自然語言工具集 157
4.1.3 SpaCY 157
4.1.4 Gensim 158
4.1.5 Word2Vec 158
4.1.6 GloVe——詞表示的全局向量 159
4.1.7 DeepDive——功能，而非算法 159
4.1.8 Snorkel——用於快速訓練數據創建的系統 159
4.1.9 Fonduer——來自富格式化數據的知識庫構造 160
4.1.10 TextBlob——簡化文本處理 160
4.1.11 基於雲端的文本分析和API 160
4.2 索賠分類 161
4.2.1 問題 161
4.2.2 解決方案 161
4.2.3 運行機制 162
4.3 獲悉公司的健康狀況 169
4.3.1 問題 169
4.3.2 解決方案 169
4.3.3 運行機制 170
4.4 文本自動摘要 175
4.4.1 問題 175
4.4.2 解決方案 175
4.4.3 運行機制 181
第5章 認知機器人技術處理自動化：自動執行 183
5.1 從音頻中提取意圖 185
5.1.1 問題 185
5.1.2 解決方案 185
5.1.3 運行機制 186
5.1.4 創建一個LUIS端點 186
5.1.5 創建LUIS套用並且針對用戶話語進行訓練 188
5.1.6 在Visual Studio 2017中編寫控制台套用的代碼 195
5.2 用於自動化技術支持工單生成的電子郵件分類和分發 203
5.2.1 問題 203
5.2.2 解決方案 203
5.2.3 運行機制 204
5.3 異常檢測：欺詐性信用卡交易案例 215
5.3.1 問題 215
5.3.2 解決方案 215
5.3.3 運行機制 215
5.4 大海撈針：時序中的交叉相關性 220
5.4.1 問題 220
5.4.2 解決方案 220
5.4.3 運行機制 220
5.5 理解交易模式：對於能源的需求預測 226
5.5.1 問題 226
5.5.2 解決方案 226
5.5.3 運行機制 227
第6章 知識管理和智慧型搜尋 233
6.1 探究Azure Search索引處理 236
6.1.1 問題 236
6.1.2 解決方案 236
6.1.3 運行機制 238
6.2 使用LUIS進行自然語言搜尋 239
6.2.1 問題 239
6.2.2 解決方案 239
6.2.3 運行機制 240
6.3 實現實體搜尋 264
6.3.1 問題 264
6.3.2 解決方案 264
6.3.3 運行機制 265
6.4 獲取論文摘要 268
6.4.1 問題 268
6.4.2 解決方案 268
6.4.3 運行機制 269
6.5 在文本分析中識別連線實體 273
6.5.1 問題 273
6.5.2 解決方案 273
6.5.3 運行機制 273
6.6 套用認知型搜尋 275
6.6.1 問題 275
6.6.2 解決方案 275
6.6.3 創建一個存儲 277
6.6.4 上傳數據集 278
第7章 AIOps：運維中的預測分析與機器學習 285
7.1 使用Grakn構建知識圖譜 286
7.1.1 問題 286
7.1.2 解決方案 287
7.1.3 運行機制 287
7.2 使用Cognitive Services Labs Project Anomaly Finder檢測異常 296
7.2.1 問題 296
7.2.2 解決方案 297
7.2.3 運行機制 297
第8章 行業中的AI用例 305
8.1 金融服務 305
8.2 手機詐欺檢測 305
8.2.1 問題 305
8.2.2 解決方案 305
8.3 在途資金最佳化 306
8.3.1 問題 306
8.3.2 解決方案 307
8.4 事故傾向性預測(保險) 307
8.4.1 問題 307
8.4.2 解決方案 307
8.5 醫療健康 307
8.6 精確診斷和病患治療結果預測 309
8.6.1 問題 309
8.6.2 解決方案 309
8.7 醫院再入院預測和預防 309
8.7.1 問題 309
8.7.2 解決方案 309
8.8 汽車工業和製造業 310
8.9 預測式維護 311
8.9.1 問題 311
8.9.2 解決方案 311
8.10 零售業 311
8.11 個性化零售實體店體驗 311
8.11.1 問題 311
8.11.2 解決方案 312
8.12 快餐式汽車餐廳自動化問題 313
8.12.1 問題 313
8.12.2 解決方案 313
8.13 結語 315
附錄A 公共數據集&深度學習模型倉庫 317
