ModelArts人工智能應(yīng)用開發(fā)指南

第一篇人工智能應(yīng)用開發(fā)概述
第1章人工智能技術(shù)、應(yīng)用及平臺
1.1人工智能技術(shù)
1.1.1人工智能技術(shù)的發(fā)展
1.1.2人工智能技術(shù)的主要領(lǐng)域
1.1.3人工智能技術(shù)的價值
1.2人工智能應(yīng)用
1.2.1人工智能應(yīng)用的特點(diǎn)
1.2.2人工智能應(yīng)用的商業(yè)化場景
1.3人工智能平臺
第2章人工智能應(yīng)用快速開發(fā)
2.1基于圖像分類模板的開發(fā)
2.2基于目標(biāo)檢測模板的開發(fā)
2.3基于聲音分類模板的開發(fā)
2.4基于文本分類模板的開發(fā)
第二篇人工智能應(yīng)用開發(fā)方法
第3章人工智能應(yīng)用開發(fā)全流程
3.1人工智能應(yīng)用開發(fā)全流程解析
3.1.1數(shù)據(jù)準(zhǔn)備子流程
3.1.2算法選擇和開發(fā)子流程
3.1.3模型訓(xùn)練子流程
3.1.4模型評估和調(diào)優(yōu)子流程
3.1.5應(yīng)用生成、評估和發(fā)布子流程
3.1.6應(yīng)用維護(hù)子流程
3.2人工智能應(yīng)用開發(fā)流程的權(quán)衡
3.2.1復(fù)雜和簡單的取舍
3.2.2人與機(jī)器的平衡
3.2.3開發(fā)和運(yùn)行的融合
3.3人工智能應(yīng)用開發(fā)全流程的成本分析
3.3.1設(shè)計(jì)和開發(fā)成本
3.3.2部署和維護(hù)成本
3.3.3邊際成本
ModelArts人工智能應(yīng)用開發(fā)指南
目錄

第4章數(shù)據(jù)準(zhǔn)備
4.1數(shù)據(jù)采集和接入
4.1.1數(shù)據(jù)采集
4.1.2數(shù)據(jù)接入
4.2數(shù)據(jù)處理
4.2.1數(shù)據(jù)校驗(yàn)和轉(zhuǎn)換
4.2.2數(shù)據(jù)清洗
4.2.3數(shù)據(jù)選擇
4.2.4數(shù)據(jù)增強(qiáng)
4.2.5其他數(shù)據(jù)處理
4.3數(shù)據(jù)標(biāo)注
4.3.1標(biāo)注任務(wù)分類
4.3.2智能數(shù)據(jù)標(biāo)注
4.3.3數(shù)據(jù)標(biāo)注元信息管理
4.4數(shù)據(jù)分析和優(yōu)化
4.4.1數(shù)據(jù)集特征分析和優(yōu)化
4.4.2細(xì)粒度數(shù)據(jù)診斷和優(yōu)化
第5章算法選擇和開發(fā)
5.1算法選擇
5.1.1基礎(chǔ)層算法選擇
5.1.2應(yīng)用層算法選擇
5.1.3ModelArts預(yù)置算法選擇
5.2算法開發(fā)
5.2.1開發(fā)語言
5.2.2開發(fā)庫
5.2.3交互式開發(fā)環(huán)境
5.2.4ModelArts云上云下協(xié)同開發(fā)
第6章模型訓(xùn)練
6.1模型訓(xùn)練的基本過程
6.1.1基礎(chǔ)概念
6.1.2模型訓(xùn)練與數(shù)據(jù)源的交互
6.1.3模型訓(xùn)練具體過程
6.2基于ModelArts的模型訓(xùn)練
6.2.1使用預(yù)置算法訓(xùn)練
6.2.2使用自定義算法訓(xùn)練
6.2.3使用自定義鏡像訓(xùn)練
6.3端到端訓(xùn)練加速
6.3.1數(shù)據(jù)側(cè)加速
6.3.2計(jì)算側(cè)加速
6.3.3分布式并行側(cè)加速
6.3.4調(diào)參側(cè)加速
6.4自動搜索
6.4.1AutoSearch框架
6.4.2基于AutoSearch進(jìn)行搜索
6.5彈性訓(xùn)練
6.6聯(lián)邦協(xié)同訓(xùn)練
第7章模型評估和調(diào)優(yōu)
7.1模型評估
7.1.1精度評估
7.1.2性能評估
7.1.3其他維度的評估
7.1.4基于ModelArts的模型評估
7.2模型診斷優(yōu)化
7.2.1精度診斷優(yōu)化
7.2.2性能診斷優(yōu)化
第8章應(yīng)用生成、評估和發(fā)布
8.1應(yīng)用管理
8.1.1模型格式轉(zhuǎn)換
8.1.2簡單應(yīng)用生成
8.1.3基于編排的應(yīng)用生成
8.1.4應(yīng)用評估
8.2應(yīng)用部署和發(fā)布
8.2.1部署類型
8.2.2部署管理
8.2.3應(yīng)用測試和使用
第9章應(yīng)用維護(hù)
9.1數(shù)據(jù)采集和篩選
9.2應(yīng)用迭代
9.2.1基于數(shù)據(jù)的應(yīng)用迭代優(yōu)化
9.2.2基于算法和模型的應(yīng)用迭代優(yōu)化
9.3基于ModelArts的應(yīng)用維護(hù)
第三篇人工智能應(yīng)用開發(fā)場景化實(shí)踐
第10章構(gòu)建企業(yè)級人工智能平臺
10.1企業(yè)級人工智能平臺
10.1.1企業(yè)級人工智能平臺的設(shè)計(jì)要素
10.1.2ModelArts Pro企業(yè)級開發(fā)套件
10.2企業(yè)級OCR平臺
10.2.1OCR算法的基本流程
10.2.2企業(yè)級OCR平臺及關(guān)鍵流程
第11章構(gòu)建面向復(fù)雜行業(yè)的自動化人工智能系統(tǒng)
11.1面向復(fù)雜行業(yè)的人工智能系統(tǒng)

11.2面向基因組學(xué)的自動化人工智能建模系統(tǒng)
11.2.1基于人工智能的組學(xué)數(shù)據(jù)建模
11.2.2面向基因組學(xué)的自動化建模
11.2.3基于SHAP的模型解釋
11.2.4基因組數(shù)據(jù)自動建模工具——AutoGenome
第12章端邊云協(xié)同的人工智能平臺及應(yīng)用開發(fā)
12.1端云協(xié)同的人工智能應(yīng)用開發(fā)
12.1.1端云協(xié)同開發(fā)的應(yīng)用場景
12.1.2HiLens端云協(xié)同開發(fā)平臺
12.1.3HiLens開發(fā)環(huán)境
12.1.4HiLens開發(fā)框架
12.1.5案例： 智慧工地安全帽識別
12.2邊云協(xié)同的人工智能應(yīng)用開發(fā)
12.2.1智能交通解決方案的背景
12.2.2智能交通解決方案的設(shè)計(jì)
12.2.3基于邊云協(xié)同的智能視頻分析