应用人工智能：工程方法（原书第2版）

大多数的AI书籍主要聚焦于AI背后的理论方法，却很少关注AI应用程序的工程化。目前存在哪些AI库、框架和服务？在哪种情况下应该选择哪种库、框架和服务？如何将它们整合到一个具有良好用户体验、易于维护的AI应用程序中？如何满足功能性要求和非功能性要求，特别是高性能要求？针对上述问题，本书结合当前的新兴技术和具体实例给出了很好的答案。<br /><br />本书首先介绍AI的定义以及AI的简要发展史，接着介绍主要的AI方法，包括机器学习和知识表示，之后给出AI应用程序架构设计的指导原则，最后聚焦于AI的各个分领域，包括信息检索、自然语言处理及计算机视觉。书中涵盖大量应用实例，其中，虚拟博物馆实例贯穿全书。此外，本书还提供相关AI产品列表及源代码样例，方便读者快速开发自己的应用。<br />

伯恩哈德·G. 胡姆（Bernhard G. Humm） <br /> 德国达姆施塔特应用技术大学计算机科学系的软件工程和项目管理学教授，达姆施塔特应用信息学研究所（aIDa）的常务董事和博士协调员，他的研究重点是应用人工智能和软件架构。他与工业和研究组织合作，主持多个国家和国际研究项目。在重新进入大学担任教授之前，他在IT行业工作了11年，担任过德国一家大型软件公司的软件架构师、首席顾问、IT经理和研究部门负责人，其客户来自金融、旅游、贸易和航空等行业。他拥有澳大利亚伍伦贡大学博士学位。

目　　录<br />译者序<br />前言<br />作者简介<br />第1章　引言　1<br />1.1　本书概述　2<br />1.2　什么是AI　3<br />1.3　AI简史　6<br />1.4　AI对社会的影响　7<br />1.5　著名的AI项目　8<br />1.6　扩展阅读　11<br />1.7　快速测验　11<br />第2章　机器学习　13<br />2.1　机器学习应用　14<br />2.2　机器学习领域和任务　16<br />2.3　机器学习方法　19<br />2.4　示例：使用决策树对客户进行分类　26<br />2.5　机器学习方法论　29<br />2.6　服务图和产品图　46<br />2.7　机器学习应用工程化　49<br />2.8　快速测验　52<br />第3章　知识表示　55<br />3.1　本体　56<br />3.2　知识表示方法　60<br />3.3　语义网标准　62<br />3.4　查询本体　71<br />3.5　基于规则的推理　76<br />3.6　知识表示服务图和知识表示产品图　82<br />3.7　提示和技巧　83<br />3.8　快速测验　86<br />第4章　AI应用架构　88<br />4.1　AI参考架构　88<br />4.2　应用示例：虚拟博物馆向导　90<br />4.3　数据集成/语义增强　91<br />4.4　应用逻辑/代理　92<br />4.5　呈现方式　95<br />4.6　编程语言　95<br />4.7　快速测验　96<br />第5章　信息检索　97<br />5.1　信息检索服务图　98<br />5.2　信息检索产品图　99<br />5.3　提示和技巧　100<br />5.4　应用示例：语义自动建议功能　101<br />5.5　快速测验　102<br />第6章　自然语言处理　104<br />6.1　重点　105<br />6.2　简单方法：词袋模型　107<br />6.3　深层语义分析：从字母到句子　109<br />6.4　服务图和产品图　112<br />6.5　示例　115<br />6.6　快速测验　121<br />第7章　计算机视觉　122<br />7.1　计算机视觉应用　122<br />7.2　计算机视觉任务和方法　128<br />7.3　服务图和产品图　129<br />7.4　示例　131<br />7.5　快速测验　140<br />第8章　复杂事件处理　141<br />8.1　基础　142<br />8.2　应用示例：智能工厂中的故障检测　143<br />8.3　服务图和产品图　147<br />8.4　快速测验　148<br />第9章　结论　149<br />附录　产品表　150<br />参考文献　 162