第3章 目标精度的实际评估和利用
从危险驾驶分类中了解自动驾驶的问题 66
AI 给生产力带来的提升效果 71
交通标志与 AI 的匹配和 RFID 化也是必要的 73
精度目标的设定和预算是“鸡与蛋”的问题 79
自动驾驶需要用各种观点进行综合评估 81
特斯拉汽车为何发生车祸 82
结合预期值评估服务质量非常重要 85
设计业务流程时的混淆矩阵很重要 89
用附有概率值的判定结果将分支条件精细化 93
根据置信度对处理结果进行场景分类 96
为每个样本或医疗机构设置最佳精度 98
对 AI 纠错的意义 101
如何评估聊天机器人的准确性 103
用“对话成立度”对精度进行定量评估 107
参考信息技术架构库改善业务流程 109
让 AI 学习特殊情况下的数据 112
第4章 AI 部署的实例
企业的数字化 116
将 AI API 化后公开 118
AI 部署的战略以及企业内部体制 120
制作样本数据时的注意点 125
标注人员进行的标注工作 127
增加相互之间只有少许差异的样本数据 129
深度学习的引入需要耐心 132
描绘实际运行整体系统的结构 135
GPU 的挑选：目前 NVIDIA 是唯一选择 138
硬件的选择：性能要超过十几年前最先进的超级计算机 142
主内存要注意主内存容量 143
GPU 云服务也是一种选择 151
深度学习的机制是多种多样的 154
主流深度学习框架的特点和选择 156
多种类型的网络结构该如何进行选择 160
编程语言几乎只有 Python 一种选择 160
利用现成 AI 资源的意识 162
将完成后的 AI 应用程序化、API 化 164
将 API 向世界公开 166
争取各种安全措施保护隐私 167
以眼还眼，以 AI 对 AI 169
保护 AI 开发企业的防盗版措施 171
主动公开部分源代码的交付方法 173
第5章 AI 部署人才应具备的技能
用户企业如何获得 AI 人才 177
用户企业的管理人员应掌握的心得 178
AI 时代需要我们具备福尔摩斯般的思考能力 179
AI 人员所需的资格和专业领域 180
旧知识可能成为绊脚石 183
样本数据的准备成为开发工作的核心 184
在 API 经济中擅长混聚开发的人才更重要 186
AI 人员的沟通能力不可或缺 187
知识
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
