-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

親密接觸人工智能——從零搭建對話機器人

( 簡體 字)
作者:周德標類別:1. -> 電子工程 -> 機器人
   2. -> 程式設計 -> 人工智慧
譯者:
出版社:電子工業出版社親密接觸人工智能——從零搭建對話機器人 3dWoo書號: 51970
詢問書籍請說出此書號!

缺書
NT售價: 345

出版日:10/1/2019
頁數:204
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121372872
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

科學的真相往往簡單直白。很多時候只是因為探索的道路太為曲折艱難,以至于人們覺得科學非常深奧難懂。人工智能也是如此。一說到信息熵、隱含馬爾可夫模型、貝葉斯網絡、蒙特卡羅樹搜索、神經網絡等,這話就沒法再聊下去了。
化繁為簡是學習知識的好方法。本書旨在幫助對人工智能抱有興趣,但是卻不知從何開始的讀者從零開始,逐步深入的學習人工智能技術。之所以選擇對話機器人這個題目,一是因為其應用場景極為廣泛并且貼近生活:小到家里有的智能音箱,大到企業用的客服機器人,用到的都是對話機器人的技術;另一方面,雖然本書的門檻很低,卻不想僅僅停留在入門的水平。對話機器人所使用的自然語言處理技術號稱是人工智能這頂皇冠上的明珠,通過本書的學習,可以幫助讀者登堂入室之后,迅速提高對于人工智能技術的理解,然后可以細細領略自然語言處理技術的光芒。
人工智能技術能否為社會發展帶來價值,完全取決于商業化應用的成功與否,對話機器人也是如此。本書注重通俗易懂,盡可能減少了晦澀難懂的數學公式,與此相反,本書以對話機器人為例,詳盡的介紹了如何實現一款完整的人工智能應用,并且分享了所使用的數據以及代碼,方便讀者用于學習和工作之中。另外,我在本書中提供了微信公眾號《周教授談人工智能》的鏈接,讀者可以在此找到更多的學習資源,也可以通過公眾號和我直接交流。
這本書的誕生,凝聚了我自己長時間的努力和來自四面八方的幫助。在IBM Watson Health的工作經歷使得我在關心人工智能技術研究的同時,也非常關注技術的商業化。
在本書的寫作以及出版過程中,我得到了眾多領導和朋友們的大力幫助。在此我要感謝IBM大中華區集團董事長陳黎明先生為我所作的序言,沒有IBM這家偉大公司提供的平臺,我很難有機會去深入實踐人工智能應用。我也要感謝著名鋼琴家宋思衡先生,他與人工智能杰出的同臺演出讓我在享受音樂的同時,更增加了對于“人機共行”的信心。
人工智能要成功應用于行業,少不了行業專家的智慧,我要感謝好友孫岱倩女士、張浩群先生、周強先生的建議,提醒我站在讀者角度看待問題。除此之外,我也要感謝倪光南院士、張群華院長、董建成教授撰寫的推薦語,這些對我是莫大的鼓勵。最后,我要特別感謝電子工業出版社的吳宏偉老師,在整個寫作以及出版過程中,兢兢業業一絲不茍的幫助我完成了本書。
內容簡介:

對話系統是人工智能應用的一個重要領域。本書將講解如何自己搭建一個對話機器人系統。首先講解對話機器人系統的入門知識、基礎理論,然后講解怎么搭建一個通用的對話框系統,最后再完善這個系統,成就三個實際應用的機器人系統。
目錄:

第1篇 快速入門
第1章 初識對話機器人 2
1.1 實例:對話機器人的一個例子 2
1.2 對話機器人的商業價值 3
1.2.1 滿足人工智能時代的社交需求 3
1.2.2 宣傳商品和服務 4
1.2.3 提供客戶服務 4
1.3 本書的學習路徑圖 5
1.4 對話機器人所需的理論知識 7
1.4.1 構建對話機器人所需的知識體系 7
1.4.2 理論知識的學習路徑圖 8
第2章 對話機器人的系統架構 10
2.1 產品需求定義 10
2.1.1 封閉域對話vs開放域對話 10
2.1.2 本書所定義的產品需求 12
2.2 產品架構設計 13
2.2.1 產品整體架構 13
2.2.2 前端:微信小程序 14
2.2.3 中臺:Apache Tomcat + Java 15
2.2.4 后臺:TensorFlow + Python 16
2.3 開發環境準備 17
2.3.1 申請微信小程序賬號 17
2.3.2 下載安裝微信小程序開發環境 20
2.3.3 下載安裝Java開發環境 20
2.3.4 下載安裝Tomcat軟件 21
2.3.5 下載安裝MySQL數據庫 21
2.3.6 下載安裝Python及TensorFlow開發環境 21
2.3.7 購買配置中臺以及后臺服務器 22
第2篇 理論基礎
第3章 人工智能基礎 26
3.1 入門知識:分類任務 26
3.1.1 從二分類任務說起 26
3.1.2 特征及特征提取 27
3.1.3 如何分類:訓練分類器 29
3.1.4 感知器 31
3.1.5 支持向量機 33
3.1.6 多類別分類 34
3.2 人工神經網絡的工作原理 35
3.2.1 為什么需要人工神經網絡 35
3.2.2 人工神經網絡如何工作 37
第4章 自然語言處理基礎 42
4.1 自然語言處理的發展 42
4.1.1 從規則引擎到概率統計 42
4.1.2 自然語言處理要解決的問題 44
4.2 基于概率統計的解題思路 46
4.2.1 語音識別 46
4.2.2 中文自動分詞 48
4.2.3 文本匹配 49
4.2.4 機器翻譯 51
第5章 與對話機器人相關的深度學習 53
5.1 詞向量 53
5.1.1 基本概念 53
5.1.2 詞向量的意義及語言模型 55
5.1.3 Skip-Gram模型 56
5.1.4 CBOW模型 58
5.1.5 詞向量的實現方式 59
5.1.6 詞向量的應用 61
5.2 Encoder-Decoder模型 61
5.2.1 Encoder-Decoder模型的工作原理 61
5.2.2 Attention模型 63
5.3 BERT模型 64
5.3.1 從詞向量到BERT:預訓練技術的發展簡史 64
5.3.2 BERT模型的運作機制 65
5.3.3 BERT模型的意義 67
第6章 對話機器人的實現方式 68
6.1 實現對話機器人的主流技術 68
6.1.1 基于人工模版的技術 68
6.1.2 基于檢索的技術 69
6.1.3 基于機器翻譯的技術 71
6.1.4 基于深度學習的技術 72
6.2 對話管理 73
6.2.1 對話管理的主要任務 74
6.2.2 對話管理的實現方法 75
6.2.3 基于結構的方法 76
6.2.4 基于規則的方法 76
6.2.5 基于統計的方法 77
第3篇 動手實戰
第7章 前端:對話機器人的用戶界面 80
7.1 創建對話機器人小程序 80
7.1.1 新建對話機器人小程序 80
7.1.2 代碼構成 82
7.1.3 小程序調試 83
7.2 對話機器人小程序開發及測試 83
7.2.1 用戶界面設計 84
7.2.2 實戰:開發主頁面 84
7.2.3 實戰:添加對話框 85
7.2.4 實戰:添加錄音、輸入框、發送按鈕 86
7.2.5 實戰:添加功能代碼 87
第8章 中臺:數據和服務管理 93
8.1 創建對話機器人的中臺項目 93
8.1.1 新建中臺項目 93
8.1.2 準備開發功能 95
8.2 編寫中臺功能代碼 97
8.2.1 實戰:創建小程序信息處理接口SendMessageService 97
8.2.2 實戰:創建語音對話接口SendAudioService 103
第9章 后臺:對話服務 114
9.1 準備數據 114
9.1.1 下載及安裝語料庫 114
9.1.2 實戰:文本預處理 115
9.1.3 實戰:生成詞向量 117
9.1.4 實戰:生成訓練和測試數據 120
9.2 建立模型 122
9.2.1 實戰:加載預處理好的詞向量 122
9.2.2 實戰:建立模型 126
9.3 訓練及測試模型 128
9.3.1 實戰:訓練和測試模型 128
9.3.2 實戰:驗證模型的效果 130
9.4 前臺、中臺、后臺系統集成 136
9.4.1 實戰:創建后臺對話服務 137
9.4.2 實戰:聯合調試前臺、中臺、后臺程序 139
第4篇 擴展應用
第10章 任務型機器人 142
10.1 任務型機器人的概念和實現方式 142
10.1.1 任務型機器人的架構 142
10.1.2 自然語言理解模塊 143
10.1.3 對話管理模塊 144
10.1.4 自然語言生成模塊 145
10.2 實戰:創建一個任務型機器人 145
10.2.1 實戰:準備任務型機器人所需的數據 145
10.2.2 實戰:創建任務型機器人模型 146
第11章 情感分析 155
11.1 基本概念和實現方式 155
11.1.1 什么是情感分析 155
11.1.2 實現方式之一:基于詞典的方法 156
11.1.3 實現方式之二:基于機器學習的方法 158
11.2 實戰:基于深度學習的情感分析 158
11.2.1 實戰:準備情感分析所需的數據 158
11.2.2 實戰:創建情感分析模型 166
序: