AI训练师手册：算法与模型训练从入门到精通_谷建阳2024_9787301351925电子版

基本信息
书名：AI训练师手册 算法与模型训练从入门到精通
作者 ：谷建阳编著
出版社：北京大学出版社
出版时间： 2024.08
ISBN号 ：978-7-301-35192-5
页数 ：405
原书定价 : 69.00

内容提要
本书内容系统、全面，实例丰富，共有10章，包括51个实操案例解析和80个行业案例分析。通过学习本书，读者可以从零开始，逐步掌握人工智能的核心技术，成为合格的AI训练师。本书附赠了同步教学视频 PPT教学课件 素材 效果 AI提示词等资源。书中内容从技能线和案例线展开介绍，具体内容如下。技能线：从人工智能的相关技术入手，不仅介绍了AI训练师的发展历程和行业动态，还重点讲述了AI训练师的职业技能提升方法，具体内容包括认识AI训练师、能力培养、Python编程语言、机器学习算法、深度学习算法、自然语言处理、数据标注、神经网络训练、模型评估和优化、管理和部署等，对人工智能训练相关工作做了系统的描述和指导。案例线：不仅涵盖了AI领域的各个方面，而且非常注重算法与模型的实际应用，通过分析大量的经典案例，如Amazon、华为、ChatGPT、文心一格、Photoshop、海尔、小米、支付宝、百度、京东、阿里巴巴、美团、网易云商、文心一言、淘宝、剪映、Google、今日头条、携程旅行、字节跳动、StableDiffusion等，可以让读者更好地掌握AI训练的相关技能。本书适合准备从事AI训练师的读者，以及对人工智能感兴趣的读者，包括人工智能从业者、模型开发者、数据标注师、数据分析师、AI产品经理、企业决策者、任何想要提升AI技能的人。此外，本书还可以作为相关培训机构和职业院校的参考教材。

目录
第1章 认识AI新职业——AI训练师
1.1 认识人工智能
1.1.1 认识人工智能：用AI开启全新时代
案例1 Amazon Echo智能音箱
1.1.2 层级分类：解析人工智能的能力
案例2 华为ADS 2.0高阶智能辅助驾驶系统
案例3 ChatGPT可生成高质量的自然语言文本
1.1.3 技术革新：人工智能如何改变世界
案例4 足球明星的知识图谱
案例5 《阿凡达》中的脑机交互方式
案例6 文心一格的AI绘画功能
案例7 Photoshop的智能抠图功能
案例8 机场利用步态识别技术监测和识别可疑人物
案例9 上汽通用汽车的AR系列产品
1.1.4 十大行业变革：人工智能引领的未来趋势
案例10 海尔的COSMOPlat平台
案例11 小米小爱鼠标控制智能家居产品
案例12 支付宝利用人脸识别技术实现“刷脸支付”
案例13 百度Apollo无人驾驶出租车
案例14 京东物流的智能物流服务
案例15 阿里巴巴的无人值守咖啡店—“淘咖啡”
案例16 美团利用人工智能技术提供智能推荐和个性化服务
1.1.5 AI训练师的出现：赋予人工智能“人性之魂”
案例17 通过训练模型提高智能语音助手的准确率和响应速度
1.2 全方位了解AI训练师
1.2.1 AI训练师的起源：技术发展的必然产物
案例18 网易云商智能客服系统—七鱼在线机器人
1.2.2 AI训练师的基础能力：专业素养与实践技能
案例19 AI训练师在智能推荐系统中的核心作用
1.2.3 AI训练师的人才缺口：挑战与机遇并存
1.2.4 AI训练师的职业规划：持续发展与未来展望
1.2.5 AI训练师的发展前景：新兴职业的无限可能
案例20 百度智能云平台的智能推荐引擎产品
本章小结
课后习题
第2章 能力培养——成为一名合格的AI训练师
2.1 AI训练师知识与技能的全面解析
2.1.1 计算机操作知识：AI训练师基础中的基础
2.1.2 数学基础知识：AI训练师的核心能力
案例21 用线性代数实现线性回归模型
2.1.3 编程技能：实现人工智能的关键所在
案例22 用Python机器学习语言实现人工神经网络
2.1.4 特征能力工程：挖掘数据深层价值的艺术
案例23 Gmail可准确识别垃圾邮件
2.1.5 数据处理知识：数据为王的时代必备
案例24 Scrapy可快速采集大量数据
2.1.6 人工智能基础知识：深入理解AI的脉络
案例25 使用图像识别技术的智能交通监控系统
2.2 AI训练师的工作职责与从业领域
2.2.1 AI训练师工作职责：赋予人工智能生命与智慧
案例26 开发人工智能模型实现机器翻译
2.2.2 AI训练师从业领域：实现更智能化的解决方案
案例27 优必选的智能机器人产品
案例28 利用虚拟试衣镜提供全新的购物体验
案例29 Mokker用AI生成电商产品图片
本章小结
课后习题
第3章 编程语言——AI训练师至少要会一门
3.1 Python的安装与部署流程
3.1.1 下载与安装Python
3.1.2 配置Python环境变量
3.2 6个技巧，学会Python编程的语法格式
3.2.1 使用Python基础语法：输出英文字符
3.2.2 使用Python中文编码：输出中文字符
3.2.3 设置Python变量赋值：定义不同数据
3.2.4 使用Python运算符：进行加减乘除计算
3.2.5 使用Python条件语句：对比数的大小
3.2.6 使用Python循环语句：输出一系列数字
3.3 AI训练师实战：5个实例，精通Python编程
3.3.1 实例1：使用Python计算业绩提成奖金
案例30 使用文心一言AI大模型计算业绩提成奖金
3.3.2 实例2：使用Python由小到大排列数字
案例31 使用文心一言AI大模型由小到大排列数字
3.3.3 实例3：使用Python输出斐波那契数列
案例32 使用文心一言AI大模型输出斐波那契数列
3.3.4 实例4：使用Python输出九九乘法口诀表
案例33 使用文心一言AI大模型输出九九乘法口诀表
3.3.5 实例5：使用Python制作猜数字游戏
案例34 使用文心一言AI大模型玩猜数字游戏
本章小结
课后习题
第4章 机器学习算法——常用的AI训练方法
4.1 认识机器学习算法
4.1.1 机器学习与人工智能：共筑智能未来
案例35 淘宝推出原生AI大模型应用“淘宝问问”
4.1.2 3个基本类型：了解机器学习算法的技术原理
案例36 剪映“智能字幕”功能自动将语言转换为文字
案例37 Google翻译利用监督学习算法提升精准度
案例38 Amazon利用无监督学习重塑电商体验
案例39 基于强化学习算法的AlphaGo人工智能围棋程序
4.1.3 6个基本流程：看懂机器学习算法的工作方式
案例40 常用的数据可视化工具—散点图
4.2 6类场景，精通机器学习算法的应用
4.2.1 图像识别和分类：人脸识别、图像检索、物体识别
案例41 人脸识别闸机开启“刷脸坐地铁”时代
案例42 微信“扫一扫”可自动识别花草、动物、商品等物体
4.2.2 自然语言处理：机器翻译、文本分类、语音识别
案例43 百度地图利用自然语言处理技术提升导航体验
4.2.3 推荐系统：电商平台商品推荐、社交媒体内容推荐
案例44 今日头条利用AI技术实现个性化资讯推荐
4.2.4 工业制造：质量控制、异常检测
案例45 梅卡曼德将AI和3D视觉技术融入汽车制造工艺
4.2.5 自动驾驶：视觉感知、路况识别
案例46 极越01—打造智能化的“汽车机器人”
4.2.6 环境保护：气象预测、大气污染监测
案例47 谷歌DeepMind利用机器学习模型预测天气
本章小结
课后习题
第5章 深度学习算法——AI训练师的核心技能
5.1 认识深度学习算法
5.1.1 概念解读：认识深度学习算法
案例48 深度学习算法在无人机视觉导航与避障中的应用
5.1.2 深入对比：机器学习与深度学习的区别
5.1.3 工作原理：深度学习算法的底层逻辑
5.2 AI训练师实战：8个实例，掌握深度学习的应用场景
5.2.1 实例1：使用AI生成绘画作品
5.2.2 实例2：使用AI翻译方言
5.2.3 实例3：使用AI推荐美食
5.2.4 实例4：使用AI充当旅游助手
案例49 携程旅行发布旅游垂直行业大模型—携程问道
5.2.5 实例5：使用AI识别中文表格
案例50 金鸣识别将图片转换为各种文档
5.2.6 实例6：使用AI识别车牌
案例51 利用AI车牌识别技术打造自动化的智能停车场
5.2.7 实例7：使用AI总结网页内容
5.2.8 实例8：使用AI进行语音聊天
案例52 文心一言App可与AI进行连续语音对话
本章小结
课后习题
第6章 自然语言处理——让AI能够与人类对话
6.1 认识自然语言处理
6.1.1 概念解读：什么是自然语言处理？
6.1.2 底层原理：语言学与计算机科学的交汇
6.1.3 自然语言处理的两种途径：传统与深度
案例53 使用深度学习模型处理NLP来实现情感分析任务
6.1.4 自然语言处理的两大核心任务：理解与生成
案例54 基于自然语言处理的智能问答系统—小米小爱同学
6.1.5 语料预处理的6个关键步骤
案例55 使用HanLP进行中文分词处理
6.2 5类场景，精通自然语言处理的应用
6.2.1 情感分析：理解文本中的情感倾向
案例56 百度大脑情感倾向分析让舆论分析更直观
6.2.2 聊天机器人：模拟人类对话的智能助手
案例57 字节跳动基于云雀大模型开发的AI工具—豆包
6.2.3 语音识别：将声音转化为文字的科技奇迹
案例58 通义听悟帮你打破语言障碍，释放无限可能
6.2.4 机器翻译：无界沟通
案例59 基于连续语义增强的机器翻译模型—CSANMT
6.2.5 自动摘要：快速理解与提炼文本内容的利器
案例60 使用文心一言中的览卷文档插件自动提取摘要
6.3 AI训练师实战：5个步骤，训练Embedding语言模型
6.3.1 认识模型：Embedding模型训练概述
6.3.2 优化参数：对Stable Diffusion进行配置
6.3.3 数据标注：对图像进行预处理操作
6.3.4 创建模型：生成嵌入式Embedding模型
6.3.5 训练模型：用Embedding打包提示词
本章小结
课后习题
第7章 数据标注——AI训练的必要环节
7.1 认识数据标注
7.1.1 定义与重要性分析：看懂数据标注的内涵
案例61 数据标注可帮助自动驾驶汽车识别周围的环境
7.1.2 数据标注类型：各类标注的区分与应用场景
案例62 数据堂3D点云标注工具实现智能化的辅助标注
7.1.3 高效标注方法：提升标注效率和准确率的技巧
案例63 使用2D3D融合标注技术助力训练自动驾驶模型
7.2 AI训练师实战：5个实例，掌握VGG数据标注工具
7.2.1 实例1：重建3D人脸模型
7.2.2 实例2：检索人体姿态
7.2.3 实例3：检索视频内容
7.2.4 实例4：检索绘画作品
7.2.5 实例5：标注图像信息
本章小结
课后习题
第8章 神经网络训练——教AI如何更懂人类
8.1 认识神经网络
8.1.1 概念：什么是神经网络？
案例64 用人工神经网络搭建波士顿房价预测模型
8.1.2 原理：神经网络的组成结构
8.1.3 技巧：神经网络的训练方法
案例65 Neural Filters让Photoshop创意修图更简单
8.2 AI训练师必知的6种神经网络架构
8.2.1 感知机：用于解决模式识别问题
8.2.2 卷积神经网络：捕捉图像的空间结构
案例66 CNN在ImageNet挑战赛中展现出惊人的图像识别能力
8.2.3 循环神经网络：用于处理序列数据
案例67 使用高级神经网络库Keras训练RNN模型
8.2.4 生成对抗网络：相互博弈以提升模型性能
案例68 使用Stable Diffusion的图生图功能实现风格迁移
8.2.5 递归神经网络：对序列数据进行有效处理
案例69 Deep Speech利用RNN提高语音识别准确率
8.2.6 长短期记忆网络：处理自然语言序列等任务
案例70 LSTM网络在谷歌语音搜索和识别技术中的应用
8.3 AI训练师实战：5个流程，训练特定画风的LoRA模型
8.3.1 认识模型：LoRA模型训练概述
案例71 用LoRA微调Stable Diffusion绘画大模型
8.3.2 准备工作：安装训练器与整理数据集
8.3.3 数据标注：图像预处理和打标优化
8.3.4 参数调整：设置训练模型和数据集
8.3.5 测试模型：评估模型应用效果
本章小结
课后习题
第9章 模型评估和优化——确保AI训练的结果
9.1 5个指标，评估训练好的AI模型
9.1.1 准确率：直观展示模型的整体性能
案例72 用准确率评估机器学习模型性能
9.1.2 精度：控制模型评估的误报率
9.1.3 F1分数：更全面地评估分类器的性能
案例73 用F1分数评估识别信用卡欺诈行为的分类模型
9.1.4 误差：更好地处理异常值带来的影响
9.1.5 ROC曲线：显示不同分类阈值下模型的性能
9.2 8个方法，优化AI模型的性能
9.2.1 Holdout检验：用训练集训练模型并测试性能
案例74 使用Holdout检验评估模型的泛化能力
9.2.2 交叉验证：实现更稳定、可靠的模型性能
9.2.3 验证曲线与学习曲线：了解模型是否过拟合或欠拟合
案例75 通过绘制验证曲线构建随机森林模型
9.2.4 自助法：通过重抽样技术来进行模型训练和评估
案例76 使用自助法进行模型训练和优化
9.2.5 模型调参：找到最优超参数组合，提高模型性能
9.2.6 数据预处理：有效改善模型训练数据的质量和分布
案例77 强大的数据处理工具—OpenRefine
9.2.7 特征选择：降低维度、提高模型性能的有效方法
9.2.8 集成学习：有效提高模型的鲁棒性和泛化能力
9.3 AI训练师实战：通过融合模型优化AI绘画效果
9.3.1 融合模型：提升训练好的模型性能
9.3.2 测试模型：应用模型生成AI画作
本章小结
课后习题
第10章 管理和部署——应用训练好的AI模型
10.1 4个流程，管理AI模型
10.1.1 流程1：模型的开发与管理
10.1.2 流程2：数据集的管理和维护
案例78 使用IBM watsonx.data进行数据管理和分析
10.1.3 流程3：模型部署和性能优化
10.1.4 流程4：持续监控和迭代改进
10.2 4种方式，部署AI模型
10.2.1 本地部署：稳定性高、安全性好
案例79 在本地部署Stable Diffusion大模型
10.2.2 服务器端部署：扩展性强、灵活性高
案例80 在Google Colab上部署Stable Diffusion大模型
10.2.3 无服务器部署：管理简便、成本较低
10.2.4 容器化部署：隔离性好、可移植性强
10.3 AI训练师实战：6个步骤，训练和发布ChatGPT模型
10.3.1 第一步：创建ChatGPT应用
10.3.2 第二步：设置AI对话提示词
10.3.3 第三步：设置训练模型及参数
10.3.4 第四步：构建并填充知识库
10.3.5 第五步：文本分段与清洗
10.3.6 第六步：添加数据集并发布ChatGPT应用
本章小结
课后习题
附录 课后习题答案

丛 书 名：

• 作  者：
• 出 版 社：
• 出版日期：

• 版    次：
• 页    数：
• 字    数：

• 印刷时间：
• 开    本：
• 纸    张：

• 印    次：
• I S B N：
• 包    装：