Google教你深度學習
目錄
序章:深度學習將改變一切商務行為
深度學習因大數據得以展現實力
TOYOTA為美日所有小客車搭載通訊配備
在這個人工智慧引領技術革新的時代
中小企業也受惠於人工智慧
第一章 在入門之前:人工智慧、機器學習與深度學習有什麼不同?
深度學習是機器學習的一部分
機器學習並非靠人類寫的程式來運作
電腦發達使深度學習成為可能
人工智慧之拓展有如「研究的洪流」一般
從「手機優先」到「AI 優先」
第二章 入門:深度學習的架構
何謂機器學習「以外」的人工智慧
機器學習之基礎
即使是機器學習也有很多方式
類神經網絡是大腦神經構造
分類方式是電腦自學而來
以網路上的「遊樂場」來理解神經網路
監督式學習與強化學習
「AlphaGo」徹底活用了強化學習技術
第三章 Google事例篇:Google的深度學習活用事例
■ 放眼未來,愈發廣泛活用的深度學習
能以口語下指令的家庭用人工智慧管家
有辦法像人類對話般地溝通無礙嗎?
■ 支援自動駕駛的深度學習
用深度學習讓資訊中心大幅節能化
■ 超越人類之眼的精密判讀――圖像辨識能力
能自動分類照片的 「Google Photo」
電腦也會做夢嗎?「Deep Dream」實驗
創造出優秀藝術與音樂的「Magenta」
影片的辨識也沒問題!「唇語術勝過人類專家」
■ 理解文章內容的原文分析
能自動製作電子郵件回信備用內容的「Inbox」
過濾垃圾郵件的精密度也有長足進步
能讓企業資訊更易於被搜尋的「Google Springboard」
■ 只要說話就能與電腦溝通的「語音辨識」
邊對話邊支援人類的「Google Assistant」
能進行語音合成也能譜出鋼琴曲的 「Wave Net」
■ 讓跨越語言障礙成為可能的「機器翻譯」
透過類神經網路讓Google翻譯更進化
■ 能輕鬆使用深度學習成果的「機器學習API」
能活用客製化深度學習的「TensorFlow」
適合/不適合深度學習的領域
第四章 企業事例篇:國內漸漸開始採用深度學習達成業務效率化
■ 安藤HAZAMA――用以判斷隧道工程之岩盤硬度
以達到挖掘工程之自動最適化為展望
■ AUCNET IBS――從車輛照片到款式皆可判別
活用年度約五百萬台的中古車資料
因無法識別車子的方向而苦惱
對活化中古車交易的貢獻
■ Aerosense活用了空照圖資料庫
以少量的訓練資料構築出車輛台數檢測系統
開發能提升測量效率的標識
■ 樂桃航空利用語音辨識API能全天候二十四小時掌握航班動態
人與人工智慧的分工合作
■ 三井住友FG檢測非法交易的精確度大幅提升
導入使用於客服中心每個座位
資料本身不會有答案
第五章 架構活用篇:整理資料×目的,描繪出活用展望圖
■ 根據資料×目的之整理法
活用現有之圖像資料
語音資料主要用於客服中心
實務上先從成本縮減著手
(1)刪減成本 2)提高附加價值創造出新的商機 3)提升創意性)
■ 成功之應備常識及人才轉換
(1)營業方面的領導者 2) 深度學習技術人員,資料科學家 3)製作應用模型的系統工程師 4)擔任營業,工程師與資料科學家之間的橋樑者
是否能畫出活用展開圖
需要的人才特質是?
機器學習商品化後,接下來具有特殊性的是⋯⋯
第六章 未來展望篇:邁向由深度學習解決問題的未來
訪問Google Cloud Machine Learning小組研究負責人- 李佳(Jia Li)
深度學習是技術革新的領頭羊
人間的優秀之處、演算法的研究仍有很大的進步空間
(人類看一張圖片,就能推導出辨認更多圖片.....機器學習要透過好多圖片學習才能做到)
(動態圖比較難辨認)
(如果是人類的話,只有一張相片也能學著去辨識新事物,深度學習就辦不到. 只有供人類學習程度的有限資料量 ,跟與其反之, 在網路上可見的包含大量繁雜訊息的資料, 這兩者如何塔配以得出有意義的資訊,言一點也是尚待研究的課題)
深度學習對資料「求知若渴」
解決現實世界的課題是AI研究主要目標
結語
沒有留言:
張貼留言