第1 章 人工智慧概述 / 1
1.1 什麼是人工智慧 / 2
1.2 人工智慧的學科基礎 / 4
1.3 人工智慧的分類 / 5
1.4 人工智慧的研究領域 / 7
1.5 人工智慧的商業模式 / 9
1.6 人工智慧的盈利模式 / 13
1.7 本章小結 / 16
第2 章 人工智慧產品 / 17
2.1 人工智慧產品的發展階段 / 18
2.2 人工智慧產品的發展史 / 19
2.3 人工智慧產品的認知誤區 / 25
2.4 人工智慧產品和互聯網產品的區別 / 26
2.4.1 互聯網時代的產品特性 / 26
2.4.2 人工智慧時代的產品特性 / 29
2.5 典型人工智慧產品 / 32
2.5.1 可穿戴設備 / 32
2.5.2 智能家居 / 37
2.5.3 智慧醫療產品 / 40
2.5.4 應用於工業製造領域的產品 / 42
2.6 本章小結 / 43
第3 章 人工智慧產品經理 / 44
3.1 人工智慧時代產品經理面臨的挑戰 / 45
3.2 產品經理的進階與學習之路 / 48
3.3 產品分析模型 / 52
3.4 本章小結 / 61
第4 章 人工智慧技術體系 / 62
4.1 機器學習 / 63
4.1.1 傳統軟體和機器學習的邏輯差異 / 64
4.1.2 機器學習的學習模式 / 65
4.1.3 監督學習 / 67
4.1.4 無監督學習 / 72
4.1.5 半監督學習 / 73
4.1.6 強化學習 / 75
4.2 機器學習——回歸 / 76
4.3 機器學習——分類 / 78
4.4 機器學習——聚類 / 83
4.5 深度學習 / 87
4.5.1 深度學習的神經學基礎 / 87
4.5.2 人工神經網路的特點 / 91
4.5.3 典型的人工神經網路 / 91
4.6 機器學習框架 / 101
4.6.1 TensorFlow / 103
4.6.2 Caffe / 105
4.6.3 PyTorch / 105
4.6.4 CNTK / 106
4.7 企業開放平臺 / 106
4.7.1 百度AI 開放平臺 / 107
4.7.2 阿裡雲PAI 平臺 / 110
4.8 人工智慧開發語言 / 121
4.8.1 Python / 121
4.8.2 R 語言 / 122
4.8.3 MATLAB / 122
4.9 本章小結 / 123
第5 章 人工智慧產品構建 / 124
5.1 人工智慧產品概述 / 125
5.2 效益分析 / 126
5.3 市場分析 / 127
5.3.1 客群分析 / 128
5.3.2 競爭對手分析 / 129
5.4 價值主張分析 / 132
5.4.1 解放勞動者 / 132
5.4.2 優化生產工具 / 138
5.4.3 價值陷阱 / 141
5.5 技術分析 / 142
5.5.1 人工智慧產品分類 / 142
5.5.2 傳統演算法和人工神經網路的選擇 / 147
5.5.3 神經網路設計 / 152
5.5.4 產品技術實現 / 154
5.6 人工智慧產品的實踐過程 / 155
5.6.1 數據標注 / 155
5.6.2 模型訓練及調優 / 158
5.6.3 模型驗證 / 159
5.6.4 產品評估 / 161
5.7 本章小結 / 164
第6 章 人工智慧產品實戰 / 165
6.1 商品推薦系統實戰 / 166
6.1.1 推薦系統基本原理 / 166
6.1.2 實戰操作 / 169
6.1.3 模型評估分析 / 173
6.2 圖像識別實戰 / 174
6.2.1 指標體系設計 / 177
6.2.2 基於TensorFlow 實現 / 177
6.2.3 基於開放平臺實現 / 180
6.2.4 模型評估分析 / 188
6.3 霧霾預測實戰 / 189
6.3.1 實戰操作 / 190
6.3.2 模型評估分析 / 196
6.4 新聞分類實戰 / 197
6.5 圖像風格轉換 / 203
6.6 常見資料集 / 214
6.7 本章小結 / 219
後 記 / 220
致 謝 / 222
延伸閱讀 / 223
