人工智能平臺應(yīng)用

第 1篇 人工智能技術(shù)服務(wù) 1\n
項目１ 人工智能技術(shù)與應(yīng)用設(shè)計 2\n
項目目標(biāo) 2\n
項目描述 2\n
知識準(zhǔn)備 2\n
1．1 智能與人工智能 2\n
1．1．1 智能的定義 3\n
1．1．2 人工智能的定義 3\n
1．2 人工智能關(guān)鍵技術(shù) 3\n
1．2．1 機(jī)器學(xué)習(xí) 3\n
1．2．2 深度學(xué)習(xí) 4\n
1．2．3 計算機(jī)視覺 5\n
1．2．4 自然語言處理 5\n
1．2．5 知識圖譜 6\n
1．2．6 人機(jī)交互 6\n
1．3 人工智能場景下的應(yīng)用設(shè)計方案分析 7\n
1．3．1 場景需求分析 7\n
1．3．2 設(shè)計方案分析 7\n
項目實施 9\n
1．4 實施思路 9\n
1．5 實施步驟 9\n
知識拓展 11\n
1．6 圖靈測試 11\n
1．7 圖靈測試的缺陷 12\n
課后實訓(xùn) 12\n
項目2 人工智能產(chǎn)業(yè)與應(yīng)用開發(fā) 13\n
項目目標(biāo) 13\n
項目描述 13\n
知識準(zhǔn)備 14\n
2．1 人工智能產(chǎn)業(yè)結(jié)構(gòu) 14\n
2．2 人工智能基礎(chǔ)層相關(guān)產(chǎn)品 14\n
2．2．1 硬件設(shè)施 14\n
2．2．2 軟件設(shè)施 15\n
2．2．3 數(shù)據(jù)資源 16\n
2．3 人工智能技術(shù)層相關(guān)產(chǎn)品 16\n
2．3．1 基礎(chǔ)框架 16\n
2．3．2 算法模型 17\n
2．3．3 通用技術(shù) 17\n
2．4 人工智能應(yīng)用層相關(guān)產(chǎn)品 17\n
2．4．1 應(yīng)用平臺 17\n
2．4．2 智能應(yīng)用場景 18\n
2．5 人工智能應(yīng)用開發(fā)的基本流程 18\n
2．5．1 需求分析 18\n
2．5．2 數(shù)據(jù)準(zhǔn)備 19\n
2．5．3 模型訓(xùn)練 20\n
2．5．4 模型應(yīng)用 20\n
項目實施 20\n
2．6 實施思路 20\n
2．7 實施步驟 20\n
知識拓展 23\n
課后實訓(xùn) 24\n
第 2篇 智能數(shù)據(jù)服務(wù)平臺應(yīng)用 25\n
項目3 智能數(shù)據(jù)服務(wù)平臺入門使用 26\n
項目目標(biāo) 26\n
項目描述 26\n
知識準(zhǔn)備 26\n
3．1 智能數(shù)據(jù)服務(wù)平臺簡介 26\n
3．2 智能數(shù)據(jù)服務(wù)平臺功能 27\n
3．2．1 數(shù)據(jù)采集 27\n
3．2．2 數(shù)據(jù)清洗 28\n
3．2．3 數(shù)據(jù)標(biāo)注 28\n
3．3 智能數(shù)據(jù)服務(wù)平臺優(yōu)勢 29\n
項目實施 29\n
3．4 實施思路 29\n
3．5 實施步驟 30\n
知識拓展 35\n
課后實訓(xùn) 36\n
項目4 智能數(shù)據(jù)服務(wù)平臺數(shù)據(jù)采集 37\n
項目目標(biāo) 37\n
項目描述 37\n
知識準(zhǔn)備 37\n
4．1 數(shù)據(jù)的定義 37\n
4．2 數(shù)據(jù)的分類 38\n
4．2．1 按照字段類型分類 38\n
4．2．2 按照數(shù)據(jù)結(jié)構(gòu)分類 38\n
4．2．3 其他分類 40\n
4．3 構(gòu)建高質(zhì)量數(shù)據(jù)集 40\n
4．3．1 獲取足夠的數(shù)據(jù)量 40\n
4．3．2 采集高質(zhì)量的數(shù)據(jù) 42\n
4．3．3 創(chuàng)建高質(zhì)量的分類 43\n
4．3．4 拆分?jǐn)?shù)據(jù)集 43\n
項目實施 44\n
4．4 實施思路 44\n
4．5 實施步驟 44\n
知識拓展 51\n
課后實訓(xùn) 52\n
項目5 智能數(shù)據(jù)服務(wù)平臺數(shù)據(jù)清洗 53\n
項目目標(biāo) 53\n
項目描述 53\n
知識準(zhǔn)備 53\n
5．1 數(shù)據(jù)清洗的定義 53\n
5．2 數(shù)據(jù)清洗的對象 54\n
5．2．1 殘缺數(shù)據(jù) 54\n
5．2．2 錯誤數(shù)據(jù) 54\n
5．2．3 重復(fù)數(shù)據(jù) 54\n
5．3 數(shù)據(jù)清洗的作用 55\n
5．4 數(shù)據(jù)質(zhì)量的評估準(zhǔn)則 55\n
5．4．1 完整性 55\n
5．4．2 一致性 56\n
5．4．3 準(zhǔn)確性 56\n
項目實施 56\n
5．5 實施思路 56\n
5．6 實施步驟 57\n
知識拓展 64\n
課后實訓(xùn) 65\n
項目6 智能數(shù)據(jù)服務(wù)平臺圖像標(biāo)注 66\n
項目目標(biāo) 66\n
項目描述 66\n
知識準(zhǔn)備 66\n
6．1 圖像標(biāo)注的定義 66\n
6．2 常見的圖像標(biāo)注方式 67\n
6．2．1 2D邊界框標(biāo)注 67\n
6．2．2 3D長方體標(biāo)注 68\n
6．2．3 多邊形標(biāo)注 68\n
6．2．4 關(guān)鍵點(diǎn)標(biāo)注 69\n
6．2．5 折線標(biāo)注 69\n
6．2．6 語義分割 69\n
6．3 圖像標(biāo)注流程 70\n
6．3．1 確定標(biāo)注規(guī)則 70\n
6．3．2 試標(biāo)注 71\n
6．3．3 標(biāo)注檢查 71\n
6．3．4 模型訓(xùn)練 71\n
6．3．5 預(yù)標(biāo)注 71\n
6．3．6 補(bǔ)充標(biāo)注 72\n
6．4 圖像標(biāo)注通用規(guī)則 72\n
6．4．1 貼邊規(guī)則 72\n
6．4．2 重疊規(guī)則 72\n
6．4．3 獨(dú)立規(guī)則 73\n
6．4．4 不框規(guī)則 73\n
6．4．5 邊界檢查規(guī)則 74\n
6．4．6 小目標(biāo)規(guī)則 74\n
項目實施 74\n
6．5 實施思路 74\n
6．6 實施步驟 74\n
知識拓展 84\n
6．7 XML的定義 84\n
6．8 XML文件的作用 85\n
課后實訓(xùn) 85\n
第3篇 深度學(xué)習(xí)模型定制平臺應(yīng)用 87\n
項目7 深度學(xué)習(xí)模型定制平臺入門使用 88\n
項目目標(biāo) 88\n
項目描述 88\n
知識準(zhǔn)備 89\n
7．1 深度學(xué)習(xí)模型定制平臺的簡介 89\n
7．2 深度學(xué)習(xí)模型定制平臺的功能 89\n
7．2．1 EasyDL圖像 89\n
7．2．2 EasyDL文本 91\n
7．2．3 EasyDL語音 93\n
7．2．4 EasyDL OCR 94\n
7．2．5 EasyDL視頻 94\n
7．2．6 EasyDL結(jié)構(gòu)化數(shù)據(jù) 95\n
7．3 深度學(xué)習(xí)模型定制平臺的優(yōu)勢 96\n
項目實施 97\n
7．4 實施思路 97\n
7．5 實施步驟 97\n
知識拓展 107\n
課后實訓(xùn) 108\n
項目8 深度學(xué)習(xí)模型定制平臺模型訓(xùn)練 109\n
項目目標(biāo) 109\n
項目描述 109\n
知識準(zhǔn)備 110\n
8．1 物體檢測模型的應(yīng)用場景 110\n
8．1．1 視頻圖像監(jiān)控 110\n
8．1．2 工業(yè)生產(chǎn)質(zhì)檢 111\n
8．1．3 專業(yè)領(lǐng)域研究 112\n
8．2 物體檢測模型的訓(xùn)練結(jié)果 112\n
8．2．1 正確識別 112\n
8．2．2 誤識別 113\n
8．2．3 漏識別 113\n
8．3 物體檢測模型的評估指標(biāo) 114\n
8．3．1 準(zhǔn)確率 114\n
8．3．2 精確率 114\n
8．3．3 召回率 114\n
8．3．4 假正類率 115\n
8．3．5 F1分?jǐn)?shù) 115\n
8．3．6 平均精度 115\n
8．4 EasyDL訓(xùn)練物體檢測模型的基本流程 116\n
項目實施 116\n
8．5 實施思路 116\n
8．6 實施步驟 117\n
知識拓展 124\n
課后實訓(xùn) 124\n
項目9 深度學(xué)習(xí)模型定制平臺模型部署 126\n
項目目標(biāo) 126\n
項目描述 126\n
知識準(zhǔn)備 127\n
9．1 深度學(xué)習(xí)模型部署流程 127\n
9．2 深度學(xué)習(xí)模型定制平臺的部署方法 127\n
9．2．1 圖像類模型部署方法 127\n
9．2．2 文本類模型部署方法 128\n
9．3 人工智能邊緣開發(fā)設(shè)備及攝像頭 128\n
項目實施 129\n
9．4 實施思路 129\n
9．5 實施步驟 129\n
知識拓展 140\n
9．6 獲取Access Token 140\n
9．7 API請求返回參數(shù) 141\n
9．8 錯誤碼 141\n
課后實訓(xùn) 143\n
第4篇 深度學(xué)習(xí)綜合應(yīng)用 144\n
項目１0 深度學(xué)習(xí)開發(fā)平臺視覺任務(wù)應(yīng)用 145\n
項目目標(biāo) 145\n
項目描述 145\n
知識準(zhǔn)備 146\n
10．1 工業(yè)質(zhì)檢行業(yè)背景 146\n
10．2 智能工業(yè)質(zhì)檢流程 147\n
10．3 工業(yè)質(zhì)檢行業(yè)應(yīng)用 147\n
項目實施 148\n
10．4 實施思路 148\n
10．5 實施步驟 148\n
知識拓展 159\n
課后實訓(xùn) 160\n
項目１1 深度學(xué)習(xí)開發(fā)平臺文本任務(wù)應(yīng)用 161\n
項目目標(biāo) 161\n
項目描述 161\n
知識準(zhǔn)備 161\n
11．1 文本分類的行業(yè)背景 161\n
11．2 文本分類的流程 162\n
11．3 文本分類模型的評估指標(biāo) 162\n
11．3．1 宏平均和微平均 162\n
11．3．2 11點(diǎn)平均正確率 163\n
11．4 文本分類模型的行業(yè)應(yīng)用 163\n
項目實施 163\n
11．5 實施思路 163\n
11．6 實施步驟 164\n
知識拓展 183\n
11．7 中文語料庫 183\n
11．8 英文語料庫 184\n
課后實訓(xùn) 184\n
項目１2 深度學(xué)習(xí)開發(fā)平臺聲音任務(wù)應(yīng)用 186\n
項目目標(biāo) 186\n
項目描述 186\n
知識準(zhǔn)備 187\n
12．1 聲音分類的概念 187\n
12．2 聲音分類的應(yīng)用 187\n
12．3 智能聲音分類的流程 187\n
項目實施 188\n
12．4 實施思路 188\n
12．5 實施步驟 189\n
知識拓展 203\n
課后實訓(xùn) 204