人工智能技術

華為技術有限公司，成立於1987年，總部位於廣東省深圳市龍崗區。
華為是全球領先的信息與通信技術（ICT）解決方案供應商，專注於ICT領域，堅持穩健經營、持續創新、開放合作，在電信運營商、企業、終端和雲計算等領域構築了端到端的解決方案優勢，為運營商客戶、企業客戶和消費者提供有競爭力的ICT解決方案、產品和服務，並致力於實現未來信息社會、構建更美好的全聯接世界。 
2013年，華為首超全球第一大電信設備商愛立信，排名《財富》世界500強第315位。華為的產品和解決方案已經應用於全球170多個國家，服務全球運營商50強中的45家及全球1/3的人口。

第 1章　人工智能概述　1
1．1　人工智能的概念　1
1．1．1　什麼是人工智能　1
1．1．2　AI、機器學習、深度學習的關係　3
1．1．3　AI的分類　4
1．1．4　AI的發展史　4
1．1．5　AI的3大學派　8
1．2　AI相關技術概覽　9
1．2．1　深度學習框架介紹　10
1．2．2　AI處理器簡介　11
1．2．3　AI產業生態　13
1．2．4　華為雲企業智能應用平臺　15
1．3　AI的技術領域與應用領域　17
1．3．1　AI技術領域　17
1．3．2　AI應用領域　19
1．3．3　AI所處的階段　21
1．4　華為AI發展戰略　21
1．4．1　全棧全場景AI解決方案　21
1．4．2　華為AI全棧方向　21
1．5　AI的爭議　23
1．5．1　算法偏見　23
1．5．2　隱私問題　24
1．5．3　技術與倫理的矛盾　24
1．5．4　大家都會失業嗎？　24
1．6　AI的發展趨勢　24
1．7　本章小結　26
1．8　習題　26

第 2章　機器學習　27
2．1　機器學習概述　27
2．1．1　機器學習算法的理性認識　28
2．1．2　機器學習解決的主要問題　29
2．2　機器學習的分類　29
2．2．1　監督學習　30
2．2．2　無監督學習　31
2．2．3　半監督學習　31
2．2．4　強化學習　32
2．3　機器學習的整體流程　33
2．3．1　數據收集　33
2．3．2　數據清洗　34
2．3．3　特徵選擇　35
2．3．4　模型構建整體流程　36
2．3．5　模型評估　37
2．4　模型中的參數與超參數　40
2．4．1　梯度下降　41
2．4．2　驗證集與超參數搜索　42
2．4．3　交叉驗證　43
2．5　機器學習的常見算法　43
2．5．1　線性回歸　44
2．5．2　邏輯回歸　46
2．5．3　決策樹　48
2．5．4　支持向量機　49
2．5．5　K近鄰算法　50
2．5．6　樸素貝葉斯　51
2．5．7　集成學習　52
2．5．8　聚類算法　54
2．6　案例詳解　54
2．7　本章小結　56
2．8　習題　57

第3章　深度學習概覽　58
3．1　深度學習簡介　58
3．1．1　深度神經網絡　59
3．1．2　深度學習的發展歷程　59
3．1．3　感知器算法　60
3．2　訓練法則　62
3．2．1　損失函數　62
3．2．2　梯度下降算法　63
3．2．3　反向傳播算法　64
3．3　激活函數　66
3．4　正則化　67
3．4．1　參數懲罰　67
3．4．2　數據集擴充　69
3．4．3　Dropout　69
3．4．4　提前停止訓練　70
3．5　優化器　70
3．5．1　動量優化器　70
3．5．2　Adagrad優化器　71
3．5．3　RMSprop優化器　72
3．5．4　Adam優化器　72
3．6　神經網絡類型　73
3．6．1　捲積神經網絡　73
3．6．2　循環神經網絡　76
3．6．3　生成對抗網絡　78
3．7　常見問題　79
3．7．1　數據不平衡問題　79
3．7．2　梯度消失與梯度爆炸　80
3．7．3　過擬合問題　80
3．8　本章小結　80
3．9　習題　80

第4章　深度學習開發框架　82
4．1　深度學習開發框架簡介　82
4．1．1　PyTorch介紹　82
4．1．2　MindSpore介紹　82
4．1．3　TensorFlow介紹　84
4．2　TensorFlow 2．0基礎　85
4．2．1　TensorFlow 2．0簡介　85
4．2．2　張量介紹　85
4．2．3　TensorFlow 2．0 Eager Execution　85
4．2．4　TensorFlow 2．0 AutoGraph　85
4．3　TensorFlow 2．0模塊介紹　86
4．3．1　常見模塊介紹　86
4．3．2　Keras接口　86
4．4　TensorFlow 2．0開發基本步驟　87
4．4．1　環境搭建　87
4．4．2　開發流程　88
4．5　本章小結　90
4．6　習題　90

第5章　華為AI開發框架MindSpore　92
5．1　MindSpore開發框架簡介　92
5．1．1　MindSpore架構　92
5．1．2　MindSpore的設計理念　93
5．1．3　MindSpore的優點　98
5．2　MindSpore開發與應用　99
5．2．1　環境搭建　99
5．2．2　MindSpore相關組件及概念　101
5．2．3　用MindSpore實現手寫數字識別　102
5．3　本章小結　109
5．4　習題　109

第6章　華為Atlas人工智能計算解決方案　110
6．1　昇騰AI處理器的硬件架構　110
6．1．1　昇騰AI處理器硬件的邏輯架構　110
6．1．2　達芬奇架構　110
6．2　昇騰AI處理器的軟件架構　114
6．2．1　昇騰AI處理器軟件的邏輯架構　114
6．2．2　昇騰AI處理器神經網絡軟件流　116
6．2．3　昇騰AI處理器軟件流各功能模塊介紹　117
6．2．4　昇騰AI處理器的數據流程　131
6．3　Atlas人工智能計算解決方案　132
6．3．1　Atlas加速AI推理　132
6．3．2　Atlas加速AI訓練　142
6．3．3　Atlas端、邊、雲協同　144
6．4　Atlas的行業應用　145
6．4．1　電力：智能電網一站式ICT解決方案　145
6．4．2　智慧金融：全面數字化轉型　145
6．4．3　智能製造：機器與思想的數字化融合　146
6．4．4　智慧交通：人悅於行，物優其流　146
6．4．5　超算：打造國家級人工智能平臺　147
6．5　本章小結　147
6．6　習題　148

第7章　華為智能終端AI能力開放平臺　149
7．1　HUAWEI HiAI平臺介紹　149
7．1．1　HUAWEI HiAI 平臺架構　150
7．1．2　HUAWEI HiAI Foundation　151
7．1．3　HUAWEI HiAI Engine　153
7．1．4　HUAWEI HiAI Service　153
7．2　基於HUAWEI HiAI平臺開發App　154
7．3　HUAWEI HiAI部分解決方案　156
7．3．1　HUAWEI HiAI助力聾啞人士　156
7．3．2　HUAWEI HiAI提升元貝駕考應用的視覺體驗　157
7．3．3　HUAWEI HiAI賦能攜程旅行　157
7．3．4　HUAWEI HiAI賦能WPS文檔檢測校正　158
7．4　本章小結　160
7．5　習題　161

第8章　華為雲企業智能應用平臺　162
8．1　華為雲EI服務家族　162
8．1．1　華為雲EI智能體　163
8．1．2　EI基礎平臺——華為HiLens　166
8．1．3　EI基礎平臺——圖引擎服務　169
8．1．4　EI家族其他服務介紹　170
8．2　ModelArts　178
8．2．1　ModelArts功能介紹　178
8．2．2　ModelArts的產品結構及應用　179
8．2．3　ModelArts的產品優勢　180
8．2．4　訪問ModelArts的方式　180
8．2．5　ModelArts使用簡介　181
8．3　華為雲EI解決方案　182
8．3．1　OCR服務實現報銷發票全流程自動化案例　182
8．3．2　OCR助力智慧物流案例　183
8．3．3　對話機器人　183
8．3．4　某區企業智能問答案例　185
8．3．5　基因知識圖譜案例　186
8．3．6　基於知識圖譜的政策查詢　186
8．3．7　智慧園區案例　187
8．3．8　人流統計及熱力圖案例　188
8．3．9　車輛識別案例　188
8．3．10　入侵識別案例　189
8．3．11　中石油認知計算平臺——測井油氣層識別　190
8．4　本章小結　191
8．5　習題　192

附錄A　HiAI Engine具體API簡介　193
附錄B　習題解答　200