掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 正版圖書攜程人工智能實(shí)踐
開本：
16開
頁數(shù)：
320
本類五星書更多>
-
>
全國計(jì)算機(jī)等級(jí)考試最新真考題庫模擬考場及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥51.1
加入購物車
正版圖書攜程人工智能實(shí)踐 版權(quán)信息
- ISBN：9787121384400
- 條形碼：9787121384400 ; 978-7-121-38440-0
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
正版圖書攜程人工智能實(shí)踐 本書特色
《攜程人工智能實(shí)踐》的作者來自攜程多個(gè)研發(fā)部門，從具體的應(yīng)用場景入手，主要包括旅行產(chǎn)品的個(gè)性化推薦和搜索，旅行場景的 OCR、機(jī)器翻譯和知識(shí)圖譜，主題圖片優(yōu)選、推薦理由抽取，以及安全風(fēng)險(xiǎn)控制和如何工程化提升研發(fā)效率等，較為全面地介紹了如何對(duì)具體的業(yè)務(wù)問題進(jìn)行建模，將其轉(zhuǎn)變?yōu)榫唧w的機(jī)器學(xué)習(xí)模型，并將業(yè)務(wù)目標(biāo)轉(zhuǎn)化為機(jī)器學(xué)習(xí)的目標(biāo)函數(shù)。本書在此基礎(chǔ)上提供了一些有效的經(jīng)驗(yàn)，使得讀者能夠*化利用機(jī)器學(xué)習(xí)的方式全面有效地幫助企業(yè)提升業(yè)務(wù)目標(biāo)、提升人效比，乃至為網(wǎng)站的安全保駕護(hù)航。作者希望本書能夠幫助產(chǎn)品技術(shù)同人更好地理解機(jī)器學(xué)習(xí)模型的落地，給讀者帶來啟發(fā)和借鑒。
正版圖書攜程人工智能實(shí)踐 內(nèi)容簡介
《攜程人工智能實(shí)踐》詳細(xì)介紹了攜程在人工智能技術(shù)落地方面的深入探索，重點(diǎn)分享了如何從實(shí)際應(yīng)用場景入手，把業(yè)務(wù)和產(chǎn)品的目標(biāo)轉(zhuǎn)化為人工智能模型和算法問題。并綜合考慮系統(tǒng)、環(huán)境和數(shù)據(jù)的多種約束，設(shè)計(jì)和實(shí)施具體落地方案，同時(shí)對(duì)人工智能服務(wù)化和人工智能運(yùn)營的理念和技術(shù)進(jìn)行了很好的分析和總結(jié)，是攜程技術(shù)團(tuán)隊(duì)多年開發(fā)和應(yīng)用人工智能實(shí)踐經(jīng)驗(yàn)的結(jié)晶。本書對(duì)互聯(lián)網(wǎng)行業(yè)和人工智能應(yīng)用研究機(jī)構(gòu)的科研技術(shù)人員來說，是一本很好的案頭參考書。
正版圖書攜程人工智能實(shí)踐 目錄
目 錄
第1 章 數(shù)學(xué)基礎(chǔ) 001
1.1 引言 001
1.2 線性代數(shù) 001
1.2.1 概述 001
1.2.2 向量與矩陣 002
1.2.3 矩陣的運(yùn)算 003
1.2.4 幾種特殊的矩陣 005
1.2.5 線性方程組與矩陣的逆 007
1.2.6 特征值和特征向量 010
1.2.7 張量的定義和運(yùn)算 011
1.3 概率基礎(chǔ) 013
1.3.1 頻率與概率 013
1.3.2 熵 016
1.3.3 常見的概率分布 017
1.4 優(yōu)化理論 020
1.4.1 優(yōu)化理論簡介 020
1.4.2 無約束的優(yōu)化問題 022
1.4.3 無約束的優(yōu)化方法 024
1.4.4 風(fēng)險(xiǎn)函數(shù)的優(yōu)化方法 026
1.4.5 帶約束的優(yōu)化方法 028
1.5 本章小結(jié) 031
參考文獻(xiàn) 031
第2 章 模型構(gòu)建 032
2.1 引言 032
2.2 建模流程 032
2.2.1 目標(biāo)定義 032
2.2.2 損失函數(shù) 035
2.2.3 求解優(yōu)化 037
2.2.4 結(jié)果評(píng)估 037
2.2.5 模型選擇 040
2.3 常見模型 042
2.3.1 模型的分類方法 042
2.3.2 回歸模型 043
2.3.3 邏輯回歸模型 047
2.4 集成學(xué)習(xí) 049
2.4.1 集成學(xué)習(xí)概述 049
2.4.2 Bagging 051
2.4.3 Boosting 052
2.5 本章小結(jié) 055
參考文獻(xiàn) 057
第3 章 個(gè)性化推薦與搜索 058
3.1 個(gè)性化推薦概述 058
3.2 跨領(lǐng)域推薦改善用戶冷啟動(dòng)問題 059
3.2.1 背景描述 059
3.2.2 基礎(chǔ)定義 060
3.2.3 建模思路 061
3.2.4 模型結(jié)構(gòu) 062
3.2.5 實(shí)驗(yàn)結(jié)果 065
3.3 Bandit 算法在攜程場景中的應(yīng)用實(shí)踐 066
3.3.1 Context-free Bandit 算法 067
3.3.2 Contextual Bandit 算法 069
3.3.3 場景應(yīng)用 070
3.4 旅游度假產(chǎn)品的搜索個(gè)性化排序 078
3.4.1 度假搜索排序框架 079
3.4.2 度假搜索排序算法 080
3.4.3 模型演進(jìn)及其他 085
3.4.4 小結(jié) 086
3.5 深度學(xué)習(xí)在酒店房型推薦中的應(yīng)用實(shí)踐 087
3.5.1 酒店房型推薦業(yè)務(wù)的背景 087
3.5.2 業(yè)務(wù)問題轉(zhuǎn)化為算法問題 087
3.5.3 算法流程 088
3.5.4 小結(jié) 089
3.6 強(qiáng)化學(xué)習(xí)在酒店排序中的應(yīng)用實(shí)踐 089
3.6.1 業(yè)務(wù)背景 089
3.6.2 傳統(tǒng)排序?qū)W習(xí)的局限性 090
3.6.3 強(qiáng)化學(xué)習(xí)的基本思路 091
3.6.4 算法流程 091
3.6.5 小結(jié) 093
3.7 瀑布流排序算法實(shí)踐 094
3.7.1 場景簡介 094
3.7.2 優(yōu)化目標(biāo) 094
3.7.3 特征工程 095
3.7.4 模型 097
3.7.5 位置偏差 098
3.7.6 評(píng)價(jià)指標(biāo) 099
3.7.7 場景實(shí)踐 101
3.8 本章小結(jié) 101
第4 章 AI 服務(wù)化 102
4.1 AI 服務(wù)化的背景與難點(diǎn) 102
4.2 旅游領(lǐng)域知識(shí)圖譜 102
4.2.1 旅游領(lǐng)域知識(shí)圖譜的特點(diǎn) 103
4.2.2 旅游領(lǐng)域知識(shí)圖譜的構(gòu)建 104
4.2.3 旅游領(lǐng)域知識(shí)圖譜的應(yīng)用 112
4.3 QA 問答中的文本匹配與排序 117
4.3.1 基于深度學(xué)習(xí)的語義匹配模型 118
4.3.2 基于交互的語義匹配模型 122
4.3.3 遷移學(xué)習(xí)在語義匹配網(wǎng)絡(luò)中的應(yīng)用 125
4.3.4 對(duì)語義匹配模型的一些思考 127
4.4 攜程國際化中的機(jī)器翻譯 130
4.4.1 模型架構(gòu) 130
4.4.2 建模技巧 135
4.4.3 翻譯質(zhì)量評(píng)估 138
4.5 證件全文本識(shí)別 141
4.5.1 文本識(shí)別簡介與發(fā)展歷程 141
4.5.2 文本識(shí)別步驟 142
4.5.3 文本檢測 142
4.5.4 文本識(shí)別 145
4.5.5 文本識(shí)別在證件識(shí)別中的應(yīng)用實(shí)踐 145
4.6 本章小結(jié) 147
參考文獻(xiàn) 147
第5 章 AI 助力產(chǎn)品運(yùn)營 150
5.1 旅游場景中的主題圖片自動(dòng)優(yōu)選 151
5.1.1 業(yè)務(wù)場景 151
5.1.2 圖像識(shí)別 151
5.1.3 圖像去重 154
5.1.4 圖像優(yōu)美度識(shí)別 155
5.1.5 小結(jié) 158
5.2 知識(shí)推理在攜程業(yè)務(wù)中的應(yīng)用 158
5.2.1 標(biāo)簽系統(tǒng)的業(yè)務(wù)背景和業(yè)務(wù)痛點(diǎn) 159
5.2.2 標(biāo)簽規(guī)則配置平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn) 160
5.2.3 小結(jié) 164
5.3 基于專名的內(nèi)容產(chǎn)品化 165
5.3.1 內(nèi)容產(chǎn)品化的業(yè)務(wù)背景 165
5.3.2 命名實(shí)體識(shí)別 165
5.3.3 實(shí)體鏈接 168
5.3.4 小結(jié) 174
5.4 主題推薦理由抽取 174
5.4.1 主題推薦理由抽取的業(yè)務(wù)背景 174
5.4.2 智能內(nèi)容抽取 175
5.4.3 自動(dòng)內(nèi)容生成 186
5.4.4 小結(jié) 193
5.5 本章小結(jié) 194
參考文獻(xiàn) 194
第6 章 AI 運(yùn)營 199
6.1 問題的背景與難點(diǎn) 199
6.2 機(jī)器學(xué)習(xí)在海外酒店房態(tài)預(yù)測中的運(yùn)用 201
6.2.1 業(yè)務(wù)背景 201
6.2.2 海外酒店房態(tài)預(yù)測的難點(diǎn) 201
6.2.3 海外酒店房態(tài)預(yù)測難點(diǎn)的解決方案 202
6.2.4 海外酒店房態(tài)預(yù)測的應(yīng)用場景 208
6.3 IM 用戶模擬評(píng)分 209
6.3.1 業(yè)務(wù)背景 209
6.3.2 基于深度學(xué)習(xí)的模擬評(píng)分 210
6.3.3 技術(shù)方案流程 214
6.4 海外郵件自動(dòng)化 215
6.4.1 業(yè)務(wù)背景 215
6.4.2 自然語言處理在郵件自動(dòng)化中的應(yīng)用 216
6.5 實(shí)時(shí)智能異常檢測平臺(tái)的算法及工程實(shí)現(xiàn) 221
6.5.1 應(yīng)用場景 221
6.5.2 大而全的監(jiān)控衍生出的問題 222
6.5.3 統(tǒng)計(jì)模型的困擾 222
6.5.4 算法選擇和設(shè)計(jì)目標(biāo) 223
6.5.5 算法的描述和檢驗(yàn) 225
6.5.6 實(shí)時(shí)性工程 231
6.6 本章小結(jié) 233
第7 章 信息安全 234
7.1 問題的背景與難點(diǎn) 235
7.2 機(jī)器學(xué)習(xí)在Web 攻擊檢測中的實(shí)踐 235
7.2.1 攜程Web-IDS 攻擊檢測系統(tǒng)架構(gòu)介紹 235
7.2.2 定義目標(biāo)問題 238
7.2.3 收集數(shù)據(jù)和實(shí)現(xiàn)特征工程 238
7.2.4 模型效果評(píng)估 240
7.2.5 線上應(yīng)用和持續(xù)優(yōu)化 241
7.3 機(jī)器學(xué)習(xí)在滑塊驗(yàn)證碼防御中的實(shí)踐 242
7.3.1 滑塊驗(yàn)證碼人機(jī)識(shí)別 243
7.3.2 滑塊驗(yàn)證碼軌跡相似度識(shí)別 247
7.4 本章小結(jié) 253
參考文獻(xiàn) 253
第8 章 風(fēng)險(xiǎn)控制 254
8.1 自動(dòng)化迭代反欺詐模型體系 254
8.1.1 風(fēng)控變量體系 256
8.1.2 自動(dòng)化迭代模型框架 256
8.1.3 RNN 表征學(xué)習(xí) 259
8.1.4 自動(dòng)化與傳統(tǒng)方法的效果對(duì)比 261
8.2 “程信分”模型體系 263
8.2.1 “程信分”模型 263
8.2.2 “閃住”催收模型 266
8.3 主動(dòng)學(xué)習(xí)在業(yè)務(wù)風(fēng)控場景中的應(yīng)用 268
8.3.1 酒店反刷單主動(dòng)學(xué)習(xí)模型 268
8.3.2 機(jī)票防虛占主動(dòng)學(xué)習(xí)模型 271
8.4 本章小結(jié) 273
參考文獻(xiàn) 273
第9 章 AI 挖掘中臺(tái) 274
9.1 AI 挖掘中臺(tái)的背景 274
9.2 AI 挖掘中臺(tái)的框架和功能 275
9.2.1 AI 挖掘中臺(tái)的構(gòu)成 275
9.2.2 AI 挖掘操作步驟 276
9.2.3 AI 挖掘中臺(tái)的組件及工作流程 279
9.2.4 AI 挖掘中臺(tái)應(yīng)用成效 281
9.3 大數(shù)據(jù)和人工智能的賦能 281
9.4 本章小結(jié) 282
第10 章 AI 運(yùn)營中臺(tái) 283
10.1 AI 運(yùn)營中臺(tái)的背景 283
10.2 AI 運(yùn)營中臺(tái)的框架和功能 284
10.2.1 框架 284
10.2.2 流程 288
10.2.3 模塊 289
10.3 AI 運(yùn)營中臺(tái)的高效運(yùn)營 290
10.3.1 AI 賦能方式 290
10.3.2 企業(yè)應(yīng)用實(shí)例 291
10.4 本章小結(jié) 292
第11 章 通用數(shù)據(jù)服務(wù) 294
11.1 通用數(shù)據(jù)服務(wù)的背景 294
11.2 通用數(shù)據(jù)服務(wù)平臺(tái)的架構(gòu)和功能 295
11.2.1 通用數(shù)據(jù)服務(wù)平臺(tái)的架構(gòu) 295
11.2.2 通用數(shù)據(jù)服務(wù)平臺(tái)的功能模塊 295
11.3 通用數(shù)據(jù)服務(wù)的監(jiān)控 299
11.3.1 存儲(chǔ)監(jiān)控 300
11.3.2 查詢監(jiān)控 300
11.3.3 寫入監(jiān)控 301
11.4 本章小結(jié) 302
第1 章 數(shù)學(xué)基礎(chǔ) 001
1.1 引言 001
1.2 線性代數(shù) 001
1.2.1 概述 001
1.2.2 向量與矩陣 002
1.2.3 矩陣的運(yùn)算 003
1.2.4 幾種特殊的矩陣 005
1.2.5 線性方程組與矩陣的逆 007
1.2.6 特征值和特征向量 010
1.2.7 張量的定義和運(yùn)算 011
1.3 概率基礎(chǔ) 013
1.3.1 頻率與概率 013
1.3.2 熵 016
1.3.3 常見的概率分布 017
1.4 優(yōu)化理論 020
1.4.1 優(yōu)化理論簡介 020
1.4.2 無約束的優(yōu)化問題 022
1.4.3 無約束的優(yōu)化方法 024
1.4.4 風(fēng)險(xiǎn)函數(shù)的優(yōu)化方法 026
1.4.5 帶約束的優(yōu)化方法 028
1.5 本章小結(jié) 031
參考文獻(xiàn) 031
第2 章 模型構(gòu)建 032
2.1 引言 032
2.2 建模流程 032
2.2.1 目標(biāo)定義 032
2.2.2 損失函數(shù) 035
2.2.3 求解優(yōu)化 037
2.2.4 結(jié)果評(píng)估 037
2.2.5 模型選擇 040
2.3 常見模型 042
2.3.1 模型的分類方法 042
2.3.2 回歸模型 043
2.3.3 邏輯回歸模型 047
2.4 集成學(xué)習(xí) 049
2.4.1 集成學(xué)習(xí)概述 049
2.4.2 Bagging 051
2.4.3 Boosting 052
2.5 本章小結(jié) 055
參考文獻(xiàn) 057
第3 章 個(gè)性化推薦與搜索 058
3.1 個(gè)性化推薦概述 058
3.2 跨領(lǐng)域推薦改善用戶冷啟動(dòng)問題 059
3.2.1 背景描述 059
3.2.2 基礎(chǔ)定義 060
3.2.3 建模思路 061
3.2.4 模型結(jié)構(gòu) 062
3.2.5 實(shí)驗(yàn)結(jié)果 065
3.3 Bandit 算法在攜程場景中的應(yīng)用實(shí)踐 066
3.3.1 Context-free Bandit 算法 067
3.3.2 Contextual Bandit 算法 069
3.3.3 場景應(yīng)用 070
3.4 旅游度假產(chǎn)品的搜索個(gè)性化排序 078
3.4.1 度假搜索排序框架 079
3.4.2 度假搜索排序算法 080
3.4.3 模型演進(jìn)及其他 085
3.4.4 小結(jié) 086
3.5 深度學(xué)習(xí)在酒店房型推薦中的應(yīng)用實(shí)踐 087
3.5.1 酒店房型推薦業(yè)務(wù)的背景 087
3.5.2 業(yè)務(wù)問題轉(zhuǎn)化為算法問題 087
3.5.3 算法流程 088
3.5.4 小結(jié) 089
3.6 強(qiáng)化學(xué)習(xí)在酒店排序中的應(yīng)用實(shí)踐 089
3.6.1 業(yè)務(wù)背景 089
3.6.2 傳統(tǒng)排序?qū)W習(xí)的局限性 090
3.6.3 強(qiáng)化學(xué)習(xí)的基本思路 091
3.6.4 算法流程 091
3.6.5 小結(jié) 093
3.7 瀑布流排序算法實(shí)踐 094
3.7.1 場景簡介 094
3.7.2 優(yōu)化目標(biāo) 094
3.7.3 特征工程 095
3.7.4 模型 097
3.7.5 位置偏差 098
3.7.6 評(píng)價(jià)指標(biāo) 099
3.7.7 場景實(shí)踐 101
3.8 本章小結(jié) 101
第4 章 AI 服務(wù)化 102
4.1 AI 服務(wù)化的背景與難點(diǎn) 102
4.2 旅游領(lǐng)域知識(shí)圖譜 102
4.2.1 旅游領(lǐng)域知識(shí)圖譜的特點(diǎn) 103
4.2.2 旅游領(lǐng)域知識(shí)圖譜的構(gòu)建 104
4.2.3 旅游領(lǐng)域知識(shí)圖譜的應(yīng)用 112
4.3 QA 問答中的文本匹配與排序 117
4.3.1 基于深度學(xué)習(xí)的語義匹配模型 118
4.3.2 基于交互的語義匹配模型 122
4.3.3 遷移學(xué)習(xí)在語義匹配網(wǎng)絡(luò)中的應(yīng)用 125
4.3.4 對(duì)語義匹配模型的一些思考 127
4.4 攜程國際化中的機(jī)器翻譯 130
4.4.1 模型架構(gòu) 130
4.4.2 建模技巧 135
4.4.3 翻譯質(zhì)量評(píng)估 138
4.5 證件全文本識(shí)別 141
4.5.1 文本識(shí)別簡介與發(fā)展歷程 141
4.5.2 文本識(shí)別步驟 142
4.5.3 文本檢測 142
4.5.4 文本識(shí)別 145
4.5.5 文本識(shí)別在證件識(shí)別中的應(yīng)用實(shí)踐 145
4.6 本章小結(jié) 147
參考文獻(xiàn) 147
第5 章 AI 助力產(chǎn)品運(yùn)營 150
5.1 旅游場景中的主題圖片自動(dòng)優(yōu)選 151
5.1.1 業(yè)務(wù)場景 151
5.1.2 圖像識(shí)別 151
5.1.3 圖像去重 154
5.1.4 圖像優(yōu)美度識(shí)別 155
5.1.5 小結(jié) 158
5.2 知識(shí)推理在攜程業(yè)務(wù)中的應(yīng)用 158
5.2.1 標(biāo)簽系統(tǒng)的業(yè)務(wù)背景和業(yè)務(wù)痛點(diǎn) 159
5.2.2 標(biāo)簽規(guī)則配置平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn) 160
5.2.3 小結(jié) 164
5.3 基于專名的內(nèi)容產(chǎn)品化 165
5.3.1 內(nèi)容產(chǎn)品化的業(yè)務(wù)背景 165
5.3.2 命名實(shí)體識(shí)別 165
5.3.3 實(shí)體鏈接 168
5.3.4 小結(jié) 174
5.4 主題推薦理由抽取 174
5.4.1 主題推薦理由抽取的業(yè)務(wù)背景 174
5.4.2 智能內(nèi)容抽取 175
5.4.3 自動(dòng)內(nèi)容生成 186
5.4.4 小結(jié) 193
5.5 本章小結(jié) 194
參考文獻(xiàn) 194
第6 章 AI 運(yùn)營 199
6.1 問題的背景與難點(diǎn) 199
6.2 機(jī)器學(xué)習(xí)在海外酒店房態(tài)預(yù)測中的運(yùn)用 201
6.2.1 業(yè)務(wù)背景 201
6.2.2 海外酒店房態(tài)預(yù)測的難點(diǎn) 201
6.2.3 海外酒店房態(tài)預(yù)測難點(diǎn)的解決方案 202
6.2.4 海外酒店房態(tài)預(yù)測的應(yīng)用場景 208
6.3 IM 用戶模擬評(píng)分 209
6.3.1 業(yè)務(wù)背景 209
6.3.2 基于深度學(xué)習(xí)的模擬評(píng)分 210
6.3.3 技術(shù)方案流程 214
6.4 海外郵件自動(dòng)化 215
6.4.1 業(yè)務(wù)背景 215
6.4.2 自然語言處理在郵件自動(dòng)化中的應(yīng)用 216
6.5 實(shí)時(shí)智能異常檢測平臺(tái)的算法及工程實(shí)現(xiàn) 221
6.5.1 應(yīng)用場景 221
6.5.2 大而全的監(jiān)控衍生出的問題 222
6.5.3 統(tǒng)計(jì)模型的困擾 222
6.5.4 算法選擇和設(shè)計(jì)目標(biāo) 223
6.5.5 算法的描述和檢驗(yàn) 225
6.5.6 實(shí)時(shí)性工程 231
6.6 本章小結(jié) 233
第7 章 信息安全 234
7.1 問題的背景與難點(diǎn) 235
7.2 機(jī)器學(xué)習(xí)在Web 攻擊檢測中的實(shí)踐 235
7.2.1 攜程Web-IDS 攻擊檢測系統(tǒng)架構(gòu)介紹 235
7.2.2 定義目標(biāo)問題 238
7.2.3 收集數(shù)據(jù)和實(shí)現(xiàn)特征工程 238
7.2.4 模型效果評(píng)估 240
7.2.5 線上應(yīng)用和持續(xù)優(yōu)化 241
7.3 機(jī)器學(xué)習(xí)在滑塊驗(yàn)證碼防御中的實(shí)踐 242
7.3.1 滑塊驗(yàn)證碼人機(jī)識(shí)別 243
7.3.2 滑塊驗(yàn)證碼軌跡相似度識(shí)別 247
7.4 本章小結(jié) 253
參考文獻(xiàn) 253
第8 章 風(fēng)險(xiǎn)控制 254
8.1 自動(dòng)化迭代反欺詐模型體系 254
8.1.1 風(fēng)控變量體系 256
8.1.2 自動(dòng)化迭代模型框架 256
8.1.3 RNN 表征學(xué)習(xí) 259
8.1.4 自動(dòng)化與傳統(tǒng)方法的效果對(duì)比 261
8.2 “程信分”模型體系 263
8.2.1 “程信分”模型 263
8.2.2 “閃住”催收模型 266
8.3 主動(dòng)學(xué)習(xí)在業(yè)務(wù)風(fēng)控場景中的應(yīng)用 268
8.3.1 酒店反刷單主動(dòng)學(xué)習(xí)模型 268
8.3.2 機(jī)票防虛占主動(dòng)學(xué)習(xí)模型 271
8.4 本章小結(jié) 273
參考文獻(xiàn) 273
第9 章 AI 挖掘中臺(tái) 274
9.1 AI 挖掘中臺(tái)的背景 274
9.2 AI 挖掘中臺(tái)的框架和功能 275
9.2.1 AI 挖掘中臺(tái)的構(gòu)成 275
9.2.2 AI 挖掘操作步驟 276
9.2.3 AI 挖掘中臺(tái)的組件及工作流程 279
9.2.4 AI 挖掘中臺(tái)應(yīng)用成效 281
9.3 大數(shù)據(jù)和人工智能的賦能 281
9.4 本章小結(jié) 282
第10 章 AI 運(yùn)營中臺(tái) 283
10.1 AI 運(yùn)營中臺(tái)的背景 283
10.2 AI 運(yùn)營中臺(tái)的框架和功能 284
10.2.1 框架 284
10.2.2 流程 288
10.2.3 模塊 289
10.3 AI 運(yùn)營中臺(tái)的高效運(yùn)營 290
10.3.1 AI 賦能方式 290
10.3.2 企業(yè)應(yīng)用實(shí)例 291
10.4 本章小結(jié) 292
第11 章 通用數(shù)據(jù)服務(wù) 294
11.1 通用數(shù)據(jù)服務(wù)的背景 294
11.2 通用數(shù)據(jù)服務(wù)平臺(tái)的架構(gòu)和功能 295
11.2.1 通用數(shù)據(jù)服務(wù)平臺(tái)的架構(gòu) 295
11.2.2 通用數(shù)據(jù)服務(wù)平臺(tái)的功能模塊 295
11.3 通用數(shù)據(jù)服務(wù)的監(jiān)控 299
11.3.1 存儲(chǔ)監(jiān)控 300
11.3.2 查詢監(jiān)控 300
11.3.3 寫入監(jiān)控 301
11.4 本章小結(jié) 302
展開全部
正版圖書攜程人工智能實(shí)踐 相關(guān)資料
《攜程人工智能實(shí)踐》分享了人工智能技術(shù)在攜程具體業(yè)務(wù)場景中的落地，選取的都是真實(shí)技術(shù)案例，相信對(duì)相關(guān)領(lǐng)域的同學(xué)會(huì)有所幫助。我們也相信人工智能技術(shù)會(huì)對(duì)旅行等服務(wù)領(lǐng)域帶來巨大改變，希望更多人參與到人工智能的實(shí)際研發(fā)中來。 ——攜程集團(tuán)執(zhí)行副總裁、技術(shù)負(fù)責(zé)人 張晨 人工智能作為一門理論與實(shí)踐并重的學(xué)科，要求研究人員在理解相關(guān)理論的同時(shí)，還要了解如何在實(shí)際業(yè)務(wù)中應(yīng)用人工智能技術(shù)。本書結(jié)合攜程的具體業(yè)務(wù)場景，展現(xiàn)了人工智能技術(shù)的落地方案，從旅行產(chǎn)品的個(gè)性化推薦和搜索，到旅行場景的OCR、機(jī)器翻譯和知識(shí)圖譜，再到產(chǎn)品層面的主題圖片優(yōu)選、推薦理由抽取等，有理論、有方法，還有經(jīng)驗(yàn)分享，適合對(duì)人工智能感興趣的同人和從業(yè)者學(xué)習(xí)。 ——北京大學(xué)計(jì)算機(jī)系副主任、長江學(xué)者特聘教授 崔斌 智能時(shí)代已經(jīng)來臨，攜程結(jié)合自身具體業(yè)務(wù)場景，傾情奉獻(xiàn)了人工智能實(shí)踐精選。本書不僅包括個(gè)性化推薦、搜索、旅游知識(shí)圖譜、QA 問答、機(jī)器翻譯和證件 OCR 的AI 服務(wù)， 而且包括AI 賦能運(yùn)營、智能信息安全與風(fēng)控，以及挖掘平臺(tái)和運(yùn)營平臺(tái)等AI 中臺(tái)化內(nèi)容。本書將理論與實(shí)踐相結(jié)合，在涵蓋人工智能原理與算法的基礎(chǔ)上，提供了大量應(yīng)用落地案例和相關(guān)思考。在人們?cè)絹碓街匾暽钯|(zhì)量和旅游體驗(yàn)的背景下，本書帶領(lǐng)讀者全面了解在線旅游行業(yè)的AI 場景及解決方案，是一本不可多得的好書。 ——同濟(jì)大學(xué)百人計(jì)劃特聘研究員，OpenKG 創(chuàng)始人之一 王昊奮 對(duì)于深度學(xué)習(xí)而言，*重要的是與應(yīng)用場景結(jié)合，從而產(chǎn)生商業(yè)價(jià)值。本書從數(shù)學(xué)基礎(chǔ)、模型構(gòu)建、場景實(shí)踐及工程化等方面對(duì)深度學(xué)習(xí)進(jìn)行了全面的介紹，并圍繞OTA 行業(yè)運(yùn)營的應(yīng)用實(shí)踐和案例，詳細(xì)講解了神經(jīng)網(wǎng)絡(luò)模型在推薦和搜索、運(yùn)營提效、風(fēng)控安全等業(yè)務(wù)領(lǐng)域的具體實(shí)施，同時(shí)詳細(xì)介紹了平臺(tái)化、服務(wù)化在深度學(xué)習(xí)應(yīng)用中的重要意義和具體實(shí)踐。本書案例翔實(shí)、深入淺出，是攜程技術(shù)團(tuán)隊(duì)多年實(shí)踐經(jīng)驗(yàn)的結(jié)晶，非常適合行業(yè)實(shí)踐者閱讀參考。 ——滴滴出行杰出數(shù)據(jù)科學(xué)家 謝梁 AI 是互聯(lián)網(wǎng)未來技術(shù)的下一站，今天我們欣喜地看見，攜程AI 中臺(tái)化的努力與成果，把技術(shù)人對(duì)未來的夢想在OTA 行業(yè)變成了落地的現(xiàn)實(shí)，真實(shí)地服務(wù)于數(shù)億公眾的出行，為AI 的產(chǎn)業(yè)化樹立了新標(biāo)桿。 ——螞蟻金服算法總監(jiān) 于磊 本書的突出特點(diǎn)是理論與實(shí)際業(yè)務(wù)緊密結(jié)合，介紹了人工智能的核心概念、技術(shù)原理，結(jié)合攜程具體業(yè)務(wù)展現(xiàn)了技術(shù)的落地實(shí)踐。本書內(nèi)容全面，案例充分，實(shí)用性強(qiáng)，人工智能從業(yè)者和對(duì)人工智能應(yīng)用感興趣的同人都能從中獲益。 ——微眾銀行首席人工智能官，香港科技大學(xué)講座教授 楊強(qiáng) 本書詳細(xì)介紹了攜程在人工智能技術(shù)落地方面的深入探索，重點(diǎn)分享了如何從實(shí)際應(yīng)用場景入手，把業(yè)務(wù)和產(chǎn)品的目標(biāo)轉(zhuǎn)化為人工智能模型和算法問題。并綜合考慮系統(tǒng)、環(huán)境和數(shù)據(jù)的多種約束，設(shè)計(jì)和實(shí)施具體落地方案，同時(shí)對(duì)人工智能服務(wù)化和人工智能運(yùn)營的理念和技術(shù)進(jìn)行了很好的分析和總結(jié)，是攜程技術(shù)團(tuán)隊(duì)多年開發(fā)和應(yīng)用人工智能實(shí)踐經(jīng)驗(yàn)的結(jié)晶。本書對(duì)互聯(lián)網(wǎng)行業(yè)和人工智能應(yīng)用研究機(jī)構(gòu)的科研技術(shù)人員來說，是一本很好的案頭參考書。 ——美國微軟人工智能與研究院高級(jí)研究總監(jiān)，《深度學(xué)習(xí)模型及應(yīng)用詳解》作者 張若非
正版圖書攜程人工智能實(shí)踐 作者簡介
攜程技術(shù)團(tuán)隊(duì)
作為攜程集團(tuán)的核心競爭力，攜程技術(shù)團(tuán)隊(duì)由近7000位來自海內(nèi)外的精英工程師組成，為攜程集團(tuán)業(yè)務(wù)的運(yùn)作和開拓提供全面技術(shù)支持，并以技術(shù)創(chuàng)新源源不斷地為產(chǎn)品和服務(wù)創(chuàng)造價(jià)值。
技術(shù)從來都不是閉門造車，攜程技術(shù)團(tuán)隊(duì)會(huì)一直以開放和充滿熱情的心態(tài)，通過各種渠道和方式，和圈內(nèi)小伙伴們探討、交流、碰撞，共同收獲和成長。
書友推薦
- >
隨園食單
- >
羅庸西南聯(lián)大授課錄
- >
自卑與超越
- >
史學(xué)評(píng)論
- >
經(jīng)典常談
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
伯納黛特,你要去哪(2021新版)
- >
龍榆生：詞曲概論/大家小書
本類暢銷
