第1章 企业如何认识人工智能应用 / 001
1.1 价值认知 / 002
1.1.1 第四次工业革命的深刻认知 / 002
1.1.2 人工智能将驱动未来文明 / 003
1.1.3 如何让人工智能渗透到企业 / 006
1.2 本轮人工智能的优势 / 013
1.2.1 存储优势 / 013
1.2.2 数据优势 / 014
1.2.3 计算优势 / 016
1.2.4 逻辑优势 / 017
1.2.5 性能优势 / 018
1.3 本轮人工智能的劣势 / 018
1.3.1 靠大数据“喂”吗 / 020
1.3.2 行业知识需积累 / 022
1.3.3 算法的进步还需加快 / 023
1.3.4 硬件仍需进步 / 025
1.3.5 企业应用人工智能技术的能力要跟上 / 026
1.4 核心技术的把控问题 / 026
1.4.1 从人工智能的开源生态说起 / 027
1.4.2 TensorFlow的架构魔力 / 029
1.4.3 哪些技术要把控 / 031
1.4.4 企业的核心竞争力与计算力 / 033
第2章 电信行业中人工智能的应用场景 / 035
2.1 智慧营业厅 / 036
2.1.1 人脸识别 / 038
2.1.2 智能 / 045
2.1.3 客户轨迹分析 / 048
2.1.4 服务质量评估 / 049
2.2 智慧管理 / 050
2.2.1 业务异常监控 / 050
2.2.2 基站资产稽核 / 056
2.2.3 安全态势感知系统 / 059
2.3 智慧稽核 / 070
2.3.1 签名识别 / 070
2.3.2 异常操作识别 / 074
2.4 智慧运维 / 078
2.4.1 集群智慧运维 / 078
2.4.2 磁盘故障分析 / 080
2.5 语音UI导航 / 090
2.5.1 语音识别 / 093
2.5.2 语义理解 / 094
2.5.3 智能检索 / 095
2.5.4 语音合成 / 096
2.5.5 实际使用示例 / 096
2.6 智慧客服 / 098
2.6.1 声纹识别 / 101
2.6.2 问题识别 / 103
2.6.3 问题归类及派单 / 106
2.6.4 事后满意度调查 / 107
第3章 技术驱动的人工智能应用场景 / 111
3.1 概述 / 111
3.1.1 引出 / 112
3.1.2 脑科学的进步 / 113
3.2 神经网络技术突破 / 116
3.2.1 概念 / 117
3.2.2 原理 / 118
3.2.3 脑神经学研究启发人工智能 / 128
3.3 图像识别 / 135
3.3.1 Google如何识别一只“猫” / 136
3.3.2 Google无人汽车 / 137
3.3.3 如何利用Google的预训练模型 / 142
3.3.4 智慧营业厅中的图像识别应用 / 145
3.4 人机对弈 / 150
3.4.1 围棋真的很难吗——AlphaGo的起源 / 150
3.4.2 AlphaGo的技术突破 / 156
3.4.3 人类还能战胜AlphaGo吗——AlphaGo的进化 / 160
第4章 需求驱动的人工智能应用场景 / 163
4.1 实名认证 / 163
4.1.1 人证比对的实现方法 / 164
4.1.2 活体检测 / 166
4.2 语音交互 / 170
4.2.1 语音控制技术实现 / 170
4.2.2 语音播报技术实现 / 178
4.2.3 同声传译 / 179
4.2.4 客户情感感知 / 183
4.3 智能问答 / 184
4.3.1 短文本分析 / 185
4.3.2 句法分析 / 186
4.3.3 篇章分析 / 187
4.3.4 知识图谱 / 190
第5章 传统机器学习的智能进化 / 195
5.1 从符号学到机器学习 / 195
5.1.1 几何以后不用学了——机器定理证明 / 196
5.1.2 算力并非是 的——基于符号学习的局限性 / 198
5.2 机器学习主流算法 / 200
5.2.1 C4.5算法 / 200
5.2.2 K-means算法 / 205
5.2.3 朴素贝叶斯算法 / 209
5.2.4 Apriori算法 / 214
5.3 深度学习如何优化传统机器学习 / 217
5.3.1 深度学习相对机器学习的优势 / 218
5.3.2 大数据智能运维 / 221
5.3.3 客户满意度分析 / 226
5.3.4 客户流失预测 / 229
第６章 企业如何落地人工智能应用 / 233
6.1 切入点选择 / 234
6.1.1 从市场应用切入 / 234
6.1.2 从企业痛点切入 / 236
6.1.3 成熟算法驱动 / 238
6.2 提升市场智能 / 244
6.2.1 人工智能仅改进算法的精度 / 244
6.2.2 从客户分析入手 / 244
6.2.3 业务场景的提炼 / 245
6.3 打造智慧运营环境 / 246
6.3.1 企业全生命周期 / 246
6.3.2 企业管理的每个环节 / 248
6.3.3 未来能否实现全程人工智能管理 / 255
6.4 培养人工智能人才 / 255
6.4.1 人工智能人才极其缺乏 / 256
6.4.2 只能自己培养 / 259
6.4.3 人工智能要“从娃娃抓起” / 261
6.4.4 人工智能所需的知识结构 / 263
6.4.5 技能层面的积累 / 266
6.4.6 管理协调 / 268
6.4.7 从培养工人到培养人工智能创造者 / 269
6.4.8 人工智能技术越来越易用 / 271
6.5 实战经验分享 / 276
6.5.1 非结构化数据质量问题 / 276
6.5.2 应用场景选择问题 / 278
6.5.3 数据标注问题 / 280
6.5.4 算法选择 / 284
6.5.5 营销活动选择 / 285
......
评论晒单