全部商品分类

您现在的位置: 全部商品分类 > 电子电脑 > 电工无线电自动化 > 自动化技术

人工智能产品经理(人机对话系统设计逻辑探究)

  • 定价: ¥59
  • ISBN:9787121347719
  • 开 本:16开 平装
  •  
  • 折扣:
  • 出版社:电子工业
  • 页数:225页
  • 作者:朱鹏臻
  • 立即节省:
  • 2018-10-01 第1版
  • 2018-10-01 第1次印刷
我要买:
点击放图片

导语

  

内容提要

  

    回看历史,技术革新周期通常可被分为三个阶段:技术先于产品、产品先于技术、运营先于产品。目前,人工智能周期正在由第一阶段向第二阶段过渡,这个时期不仅是技术为社会生活带来巨大改变的时期,更是产品经理们尽情发挥创造力来影响这个世界的时期。实际上,成熟人工智能产品经理的缺乏,正是当下人工智能技术真正落地、改变人们生活的主要瓶颈。
    朱鹏臻著的《人工智能产品经理(人机对话系统设计逻辑探究)》以帮助读者构建人机对话/人工智能产品经理的完整知识体系结构为主脉络,阐述了人工智能对未来社会的影响;举例说明了产品经理应该如何培养抽象、归纳及系统的思维能力;通俗讲解了人工智能方向下蓬勃发展的机器学习、深度学习及自然语言处理技术的必备知识;详细介绍了人工智能技术在人机对话领域的具体应用实践;细致剖析了市面上主流的人机对话开放平台的经典设计,并深入探究了其在设计之初意欲求解的问题。
    不论是转行从事人机对话/人工智能领域的产品经理,还是希望在人机对话领域深耕的非技术从业者,阅读本书都能获得更全面的认知和更独到的见解。

作者简介

    朱鹏臻,滴滴出行 AI Labs 产品经理。
    在任务型人机对话领域积累有丰富的经验,曾先后负责或参与过平台型、用户型、商业型人工智能产品设计工作,擅长人机对话平台设计以及多轮对话系统逻辑构建。
    曾研究机器学习、深度学习、自然语言处理、语音识别、推荐系统、搜索引擎、数据挖掘、知识图谱等8个 AI 领域的基础技术理论,积累有 20 万字总结,得到“互联网优秀作者”认证,相关微博浏览量超70万。
    微博@我偏笑_NSNirvana

目录

第1章  绪论
  1.1  人工智能与未来
    1.1.1  DeepMind 与强化学习
    1.1.2  生物与算法
    1.1.3  被撼动的自由主义
    1.1.4  被取代的工作
    1.1.5  新的社会契约
  1.2  人机对话的意义
  1.3  人机交互的变迁
  1.4  需求、风口、周期
    1.4.1  需求与风口
    1.4.2  周期三段论
    1.4.3  周期中的产品经理
    1.4.4  人工智能周期
第2章  产品经理与系统设计
  2.1  产品经理与技术
    2.1.1  产品经理的技术了解层级
    2.1.2  技术型产品经理的定位
    2.1.3  技术型产品经理的价值
    2.1.4  技术型产品经理的思维能力
  2.2  系统与系统思维
    2.2.1  系统之美
    2.2.2  优秀软件系统的特征
    2.2.3  系统设计的基本问题
  2.3  平台设计通用工作流程
第3章  人工智能技术
  3.1  机器学习
    3.1.1  机器学习简介
    3.1.2  k-近邻(kNN)算法
    3.1.3  ID3 决策树算法
    3.1.4  朴素贝叶斯分类算法
    3.1.5  逻辑回归算法
    3.1.6  支持向量机(SVM)
    3.1.7  AdaBoost 元算法
    3.1.8  线性回归及树回归算法
    3.1.9  K 均值聚类算法
    3.1.10  Apriori 及FP-growth 算法
    3.1.11  PCA 与SVD
    3.1.12  主题模型 LDA
  3.2  深度学习
    3.2.1  深度学习与机器学习
    3.2.2  感知机模型与前馈神经网络
    3.2.3  深度神经网络的训练
    3.2.4  卷积神经网络(CNN)
    3.2.5  递归神经网络(RNN)与LSTM
  3.3  自然语言处理
    3.3.1  自然语言处理简介
    3.3.2  熵
    3.3.3  形式语言
    3.3.4  语言模型
    3.3.5  马尔可夫模型(MM)
    3.3.6  隐马尔可夫模型(HMM)
    3.3.7  最大熵模型(MEM)
    3.3.8  最大熵马尔可夫模型(MEMM)与条件随机?–RF)
    3.3.9  词法分析
    3.3.10  句法分析
    3.3.11  语义分析
第4章  智能交互技术
  4.1  智能搜索
    4.1.1  搜索命中方式
    4.1.2  SMT 与词义相似度
    4.1.3  词向量与 word2vec
    4.1.4  利用DNN 优化搜索结果
    4.1.5  利用 CNN 计算语义相关性
    4.1.6  利用 RNN 构建语言模型
    4.1.7  基于知识图谱的知识推理
    4.1.8  知识图谱的局限
    4.1.9  其他智能搜索技术
  4.2  对话交互
    4.2.1  对话交互概述
    4.2.2  自然语言理解与填槽
    4.2.3  开放域上下文理解
    4.2.4  自然语言生成与 seq2seq
    4.2.5  人机对话与强化学习
  4.3  问答匹配技术的发展
第5章  Bot Framework 设计探究
  5.1  多轮对话初探
  5.2  对话系统与语义表示
    5.2.1  对话系统的组成
    5.2.2  语义表示的三种方式
    5.2.3  Bot Framework 的产生
  5.3  Bot Framework 设计
    5.3.1  国内外开放Bot Framework 一览
    5.3.2  Bot Framework 的组成
    5.3.3  意图(Intent)
    5.3.4  实体(Entity)
    5.3.5  训练(Training)
    5.3.6  基于分布语义的平台设计
    5.3.7  基于对话流/图设计的 Bot Framework
  5.4  基于Bot Framework 的多轮对话
    5.4.1  基于分布语义的人机对话
    5.4.2  基于模型论语义的人机对话
    5.4.3  基于框架语义的人机对话
    5.4.4  Bot Framework 下的人机对话逻辑
    5.4.5  寻找设计与对话逻辑的最优解
第6章  对话服务管理与数据分析平台
  6.1  人机对话平台基本模型
  6.2  对话服务管理
    6.2.1  服务部署与模拟测试
    6.2.2  发布上线与版本管理
    6.2.3  特殊类型对话服务管理
  6.3  对话数据分析平台