從0到1：人工智能賦能商業(yè)的秘密

目    錄

第I部分  理解人工智能

第1 章  人工智能概況   3

1.1  當代人工智能發(fā)展之路   4

1.2  人工智能革命的引擎：機器學習   7

1.3  人工智能究竟是什么？   9

1.4  教學方法   12

1.5  本章小結   13

第2 章  將人工智能應用于核心業(yè)務數(shù)據(jù)   15

2.1  在核心業(yè)務數(shù)據(jù)領域布局人工智能   16

2.2  在核心業(yè)務數(shù)據(jù)中使用人工智能   18

2.2.1  房地產(chǎn)市場示例   18

2.2.2  為FutureHouse賦予人工智能   21

2.2.3  機器學習的優(yōu)勢   26

2.2.4  將人工智能應用于通用核心業(yè)務數(shù)據(jù)   28

2.3  案例研究   30

2.3.1  谷歌如何利用人工智能削減能源開支   30

2.3.2  Square如何利用人工智能向小企業(yè)貸款數(shù)十億美元   35

2.3.3  案例研究課程   39

2.4  評估性能和風險   40

2.5  本章小結   43

第3 章  將人工智能應用于營銷   45

3.1  為什么要用人工智能進行銷售和營銷？   45

3.2  預測客戶流失   47

3.3  利用人工智能提高轉(zhuǎn)化率和追加銷售   52

3.4  執(zhí)行自動化客戶細分   55

3.4.1  無監(jiān)督學習(或聚類)   56

3.4.2  用于客戶細分的無監(jiān)督學習   61

3.5  衡量性能   64

3.5.1  分類算法   64

3.5.2  聚類算法   68

3.6  將機器學習標準與業(yè)務結果和風險聯(lián)系起來   69

3.7  案例研究   72

3.7.1  改進目標定位的人工智能：Opower   72

3.7.2  運用人工智能預測客戶需求：Target   78

3.8  本章小結   81

第4 章  將人工智能應用于媒體   83

4.1  用計算機視覺改進產(chǎn)品   84

4.2  將人工智能應用于圖像分類   88

4.3  使用小數(shù)據(jù)集的遷移學習   93

4.4  人臉識別：教計算機識別人類   95

4.5  使用內(nèi)容生成和風格遷移   98

4.6  注意事項   101

4.7  人工智能在音頻領域的應用   102

4.8  案例研究：運用深度學習優(yōu)化農(nóng)業(yè)   104

4.8.1  案例問題   108

4.8.2  案例討論   108

4.9  本章小結   110

第5 章  將人工智能應用于自然語言   111

5.1  自然語言理解的魅力   112

5.2  分解NLP：衡量復雜性   113

5.3  將NLP功能應用于企業(yè)   117

5.3.1  情感分析   121

5.3.2  從情感分析到文本分類   124

5.3.3  NLP分類項目范圍界定   128

5.3.4  文檔檢索   130

5.3.5  自然對話   132

5.3.6  設計克服技術限制的產(chǎn)品   136

5.4  案例研究：Translated   138

5.4.1  案例問題   142

5.4.2  案例討論   143

5.5  本章小結   145

第6 章  將人工智能應用于內(nèi)容管理和社區(qū)建設   147

6.1  選擇的詛咒   148

6.2  使用推薦系統(tǒng)驅(qū)動參與度   148

6.2.1  基于內(nèi)容的系統(tǒng)超越簡單特征   153

6.2.2  特征和相似性的限制   156

6.3  群體智慧：協(xié)同過濾   157

6.4  推薦錯誤   160

6.5  案例分析：Netflix每年節(jié)省10億美元   162

6.5.1  Netflix的推薦系統(tǒng)   162

6.5.2  推薦系統(tǒng)和用戶體驗   165

6.5.3  推薦的業(yè)務價值   166

6.5.4  案例問題   167

6.5.5  案例討論   167

6.6  本章小結   168

第Ⅱ部分  構建人工智能

第7 章  準備好尋找人工智能機會   173

7.1  不要被炒作所迷惑：業(yè)務驅(qū)動的人工智能創(chuàng)新   174

7.2  創(chuàng)造：尋找人工智能機會   179

7.3  優(yōu)先級：評估人工智能項目   183

7.4  驗證：分析風險   187

7.5  解構人工智能產(chǎn)品   191

7.6  將人工智能項目翻譯成機器學習友好型術語   196

7.7  練習   201

7.7.1  提高客戶定位   202

7.7.2  工業(yè)過程自動化   204

7.7.3  幫助客戶選擇內(nèi)容   205

7.8  本章小結   207

第8 章  設置——準備數(shù)據(jù)、技術和人員   209

8.1  數(shù)據(jù)策略   210

8.1.1  我從哪里得到數(shù)據(jù)？   211

8.1.2  我需要多少數(shù)據(jù)？   217

8.2  數(shù)據(jù)質(zhì)量   221

8.3  招募人工智能團隊   225

8.4  本章小結   230

第9 章  實踐——人工智能實施策略   231

9.1  購買或構建人工智能   231

9.1.1  “購買”選項：一站式解決方案   233

9.1.2  “借用”選項：機器學習平臺   235

9.1.3  “構建”選項：大干一場   237

9.2  使用精益戰(zhàn)略   239

9.2.1  從購買解決方案開始   241

9.2.2  使用借用解決方案   243

9.2.3  自己動手：構建解決方案   244

9.3  理解人工智能的良性循環(huán)   246

9.4  管理人工智能項目   252

9.5  當人工智能失敗時   254

9.5.1  Anki   255

9.5.2  Lighthouse AI   255

9.5.3  應用于腫瘤治療的IBM Watson   256

9.5.4  情感日記   258

9.5.5  憤怒的電話   259

9.5.6  銷售業(yè)績不佳   260

9.6  本章小結   261

第10 章  人工智能的未來   263

10.1  人工智能如何威脅社會   264

10.1.1  偏見與公平   264

10.1.2  人工智能與就業(yè)   267

10.1.3  人工智能過濾器氣泡   270

10.1.4  當人工智能失敗時：邊角案例和對抗攻擊   272

10.1.5  當人工看起來真實時：人工智能生成的虛假內(nèi)容   274

10.2  人工智能在社會中的機遇   275

10.2.1  技術民主化   275

10.2.2  可擴展性   277

10.3  人工智能在工業(yè)領域的機遇   278

10.3.1  社交媒體網(wǎng)絡   279

10.3.2  醫(yī)療健康   280

10.3.3  能源   284

10.3.4  制造業(yè)   285

10.3.5  金融   287

10.3.6  教育   288

10.4  通用人工智能   289

10.5  結語   290

10.6  本章小結   291