整合營銷服務(wù)商
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
電腦端+手機(jī)端+微信端=數(shù)據(jù)同步管理
免費(fèi)咨詢熱線：
策 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI
訓(xùn)練一個(gè)簡易AI對(duì)話交互式機(jī)器人需要什么？
一篇文檔+3分鐘足矣。
在今年的世界人工智能大會(huì)（WAIC）上，我算是見識(shí)到了。整個(gè)開發(fā)過程沒有用到一句代碼。
先上傳一篇Word格式文檔：
不到3分鐘的時(shí)間里，一個(gè)簡易AI客服快速生成，然后你就可以和“她”聊天了：
這是一家提供對(duì)話AI平臺(tái)的公司的最新產(chǎn)品：輸入文檔便可讓AI自動(dòng)生成知識(shí)圖譜，知其然更知其所以然，成為一個(gè)真正掌握知識(shí)的AI。
而且這家公司的CEO還撂下“狠話”：圖靈測試不重要。
“對(duì)話AI落地應(yīng)用需要產(chǎn)生價(jià)值，需要解決企業(yè)或個(gè)人使用上的問題，而不是在是否通過圖靈測試的問題上糾結(jié)?！?/span>
這家公司便是由前微軟(亞洲)互聯(lián)網(wǎng)工程院副院長簡仁賢先生創(chuàng)辦的竹間智能，這款前所未見的AI新作便是竹間推出的Gemini（Knowledge Factory）知識(shí)工程平臺(tái)。
“雖然是機(jī)器人，但我們確實(shí)解決了問題?！?/span>
既然AI能提高效率，為什么一定要糾結(jié)讓聊天機(jī)器人通過圖靈測試呢？
或許過去產(chǎn)業(yè)界真的走了彎路。
3年前，有個(gè)聊天機(jī)器人算是小范圍通過了圖靈測試，那就是谷歌推出的Duplex，一個(gè)可以幫用戶預(yù)訂餐廳的AI。餐廳店員聽到Duplex，甚至認(rèn)為就是顧客本人在訂位。
但是3年后呢？除了谷歌之外，我們幾乎看不到哪個(gè)商用的對(duì)話AI通過了圖靈測試。
畢竟不是每個(gè)企業(yè)都如谷歌般財(cái)大氣粗，揮著大量的數(shù)據(jù)集和算力把AI訓(xùn)練到以假亂真。
圖靈測試早已不再是檢驗(yàn)機(jī)器人智能的唯一標(biāo)準(zhǔn)，是時(shí)候轉(zhuǎn)變觀念了：“解決問題才是王道！”
在這個(gè)問題上，學(xué)術(shù)界和產(chǎn)業(yè)界默契地達(dá)成了一致。
最近，華盛頓大學(xué)和艾倫人工智能研究院提出：人工審核不應(yīng)該還是自然語言生成（NLG）的“黃金標(biāo)準(zhǔn)”，AI生成文本更重要的是內(nèi)容是否正確、合乎邏輯。
企業(yè)當(dāng)然也是這么想的，現(xiàn)階段通過圖靈測試不經(jīng)濟(jì)也不現(xiàn)實(shí)，既然人們已經(jīng)接受了和AI對(duì)話，那么對(duì)話到底有沒有“機(jī)器感”已經(jīng)沒那么重要了。
國內(nèi)類似的呼聲也越來越多。竹間智能的創(chuàng)始人兼CEO簡仁賢同樣也認(rèn)為：關(guān)注AI的“實(shí)用性”。
要讓AI實(shí)用，就必須要讓它掌握知識(shí)舉一反三。
給AI一篇骨關(guān)節(jié)文檔，讓它變成健康顧問。倘若把醫(yī)學(xué)文檔換成商品描述、說明書和用戶評(píng)論，那么就可以得到一個(gè)更智能的電商推薦系統(tǒng)，比如輸入“防風(fēng)效果最好的夾克”來精確尋找符合需求的商品，而不是輸入商品名稱搜索。
而這僅僅是一篇文章產(chǎn)生的效果?？梢韵胂?，當(dāng)你擁有一個(gè)儲(chǔ)量豐富的知識(shí)文庫，包含PDF、Word、PPT等不同類型、不同格式的文檔，把他們統(tǒng)統(tǒng)輸入到這個(gè)平臺(tái)里，就可以得到一個(gè)針對(duì)特定行業(yè)的全能咨詢師。
現(xiàn)實(shí)問題是，許多企業(yè)并不缺乏巨量文檔，缺乏的是挖掘數(shù)據(jù)的能力。如果能把信息挖掘出來形成知識(shí)圖譜，就可以產(chǎn)生非常大的作用。
而知識(shí)圖譜的作用，就是能從海量數(shù)據(jù)中簡潔快速地找到回答復(fù)雜業(yè)務(wù)問題的答案。
這些年，我們看到了很多計(jì)算機(jī)視覺（CV）、自然語言處理（NLP）這類感知AI的廣泛商用，卻較少看到像知識(shí)圖譜這類認(rèn)知AI的商用，為什么？
“一個(gè)文檔可能有2萬多字、10萬多字，你可能有2萬個(gè)文檔、5萬個(gè)文檔需要去處理，怎么處理呢？傳統(tǒng)的知識(shí)圖譜技術(shù)是沒有辦法做到的，必須要成千上萬人，用人工去看文檔，一個(gè)字一個(gè)字看下來再去建圖譜，這個(gè)不現(xiàn)實(shí)。”
竹間智能CEO簡仁賢解釋道。
所以，市場急需一個(gè)能夠自動(dòng)化構(gòu)建知識(shí)圖譜的工具。
而竹間智能給出了自己的解決方案，就是一個(gè)自動(dòng)化平臺(tái)——Gemini（Knowledge Factory）知識(shí)工程平臺(tái)，從讀文檔、自動(dòng)構(gòu)建圖譜到機(jī)器人自動(dòng)回答，整個(gè)流程各環(huán)節(jié)無縫對(duì)接，只需要很少的人工干預(yù)。
無論你是來自醫(yī)療、制造業(yè)，還是金融、電商領(lǐng)域，都可以使用Gemini平臺(tái)打造屬于自己行業(yè)的知識(shí)圖譜。
“知識(shí)圖譜技術(shù)可以讓AI更加高效。在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面減少很多不必要的數(shù)據(jù)標(biāo)注以及訓(xùn)練，讓深度學(xué)習(xí)模型具備可解釋性，也可以輔助多任務(wù)的機(jī)器學(xué)習(xí)，從而提升整體效率?！?/p>
簡仁賢說。
這便是知識(shí)圖譜在當(dāng)今AI落地中的一大主要優(yōu)勢。
竹間智能“野心”不小，而Gemini平臺(tái)的誕生也不是一蹴而就，甚至曾走過“彎路”。
2015年，從微軟離職的簡仁賢創(chuàng)立了竹間智能，公司最初選擇了當(dāng)時(shí)最為熱門的面向消費(fèi)者市場的聊天機(jī)器人。
事實(shí)證明，這是一條選手眾多且難以差異化競爭的道路。
面對(duì)2C市場商業(yè)化的難題，竹間智能在2016年果斷轉(zhuǎn)變方向，進(jìn)軍2B市場，為企業(yè)開發(fā)0代碼的對(duì)話AI平臺(tái)。從那時(shí)起，竹間智能就已在開發(fā)知識(shí)圖譜技術(shù)。
一年前竹間智能累積大量落地經(jīng)驗(yàn)，發(fā)布了全新升級(jí)的Bot Factory，到現(xiàn)在，公司已經(jīng)創(chuàng)建了6大技術(shù)、6大平臺(tái)產(chǎn)品、6大行業(yè)解決方案。
不過從另一種角度來看，竹間智能也并未走彎路，而是帶著2C的創(chuàng)業(yè)初期理想，一路探索，結(jié)合各行業(yè)實(shí)際需求，找到了B2B2C的寬闊道路。
憑借過去在NLP技術(shù)能力上的沉淀，竹間智能將知識(shí)圖譜的推理能力結(jié)合自然語言理解能力，幫助企業(yè)更快地找到答案。
在成熟的對(duì)話式交互短文本NLP能力之上，結(jié)合機(jī)器閱讀和知識(shí)工程的長文本NLP能力， 使機(jī)器人能處理繁瑣且需要大量知識(shí)儲(chǔ)備的業(yè)務(wù)，以知識(shí)圖譜為現(xiàn)在的商用AI賦予認(rèn)知智能，實(shí)現(xiàn)知識(shí)管理、運(yùn)營服務(wù)和智能應(yīng)用的全鏈條打通。
另外，竹間智能今年還完成了“ALL-in-Cloud”的全面云化策略，將六大核心產(chǎn)品平臺(tái)悉數(shù)升級(jí)為云平臺(tái)，可滿足企業(yè)公有云、私有云及混合云的多種部署要求，應(yīng)對(duì)行業(yè)云化趨勢。
通過適配不同應(yīng)用場景的需求，竹間智能的產(chǎn)品已經(jīng)被數(shù)百家大型企業(yè)所采用。
從創(chuàng)業(yè)至今6年，竹間智能的技術(shù)逐漸獲得了大廠認(rèn)可，迄今為止已有金融、互聯(lián)網(wǎng)、政務(wù)、汽車等行業(yè)的數(shù)百家大型企業(yè)使用其服務(wù)。
C端用戶雖然不是竹間業(yè)務(wù)的直接服務(wù)對(duì)象，你卻可能早已在不知不覺中用過竹間的技術(shù)，華為、OPPO手機(jī)中的語音助手就有竹間的技術(shù)支持。
簡仁賢表示，某消費(fèi)者電子產(chǎn)品的公司也正在用竹間智能來改進(jìn)其產(chǎn)品。一個(gè)對(duì)話AI如何改進(jìn)電子科技產(chǎn)品呢？
原來電子產(chǎn)品公司依靠竹間智能的Gemini知識(shí)工程平臺(tái)，打造VOC（Voice of Customer）系統(tǒng)，聆聽客戶之聲，全面收集電商平臺(tái)上的用戶評(píng)論，洞察度量用戶的產(chǎn)品使用與購物體驗(yàn)，從而對(duì)下一代產(chǎn)品進(jìn)行改進(jìn)。
不僅能上天，竹間的AI技術(shù)還扎根老百姓，上海各地街道居委也在用竹間智能。
自從去年新冠疫情爆發(fā)以來，竹間智能利用語音機(jī)器人代替人工幫助徐匯區(qū)完成了外來務(wù)工人群的流調(diào)工作，通過2萬通/日的防疫電話撥打，AI自動(dòng)記錄人員所在地、來訪地、身體等信息，鞏固防疫堡壘。今年竹間智能接到200萬個(gè)接種疫苗通知電話的需求，AI機(jī)器人快速搭建落地、即刻投入運(yùn)行，極大地減少了社區(qū)一線服務(wù)人員的工作量。
值得一提的是，在WAIC 2021上，中國信通院與竹間智能聯(lián)合發(fā)布了《2021認(rèn)知智能發(fā)展研究報(bào)告》，在這份報(bào)告中，中國信通院提出認(rèn)知智能未來的三大趨勢：
一、認(rèn)知智能將進(jìn)一步成為AI產(chǎn)業(yè)發(fā)展熱點(diǎn)；
二、行業(yè)知識(shí)圖譜和關(guān)系挖掘?qū)⑼苿?dòng)認(rèn)知智能在行業(yè)中更深層次的落地應(yīng)用；
三、自動(dòng)化、多模態(tài)、標(biāo)準(zhǔn)化的特征進(jìn)一步凸顯，主要表現(xiàn)在知識(shí)工程流程將加快實(shí)現(xiàn)自動(dòng)化。
簡仁賢對(duì)認(rèn)知智能的這條賽道充滿信心。認(rèn)知智能未來將釋放出更大的價(jià)值，受益的也不僅僅是竹間，而是千千萬萬家企業(yè)，更是無數(shù)的用戶和消費(fèi)者。
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)
器之心整理
參與：張倩、思
500 頁圖模型巨著，從圖、概率圖、統(tǒng)計(jì)和因果推理帶你縱覽神奇的圖模型。
對(duì)因果推理感興趣的讀者想必對(duì)圖靈獎(jiǎng)得主 Judea Pearl 并不陌生，他的《The Book of Why: The New Science of Cause and Effect》詳細(xì)闡述了自己在因果推理領(lǐng)域的研究成果，深受國內(nèi)外讀者的歡迎。近日，這位大牛在 Twitter 上推薦一本新書——《Handbook of Graphical Models》。
書籍鏈接：https://stat.ethz.ch/~maathuis/papers/Handbook.pdf
該書由多位世界知名的統(tǒng)計(jì)學(xué)家合作完成，整理了圖模型自上世紀(jì) 80 年代誕生以來的發(fā)展脈絡(luò)，可以為傳統(tǒng)數(shù)據(jù)科學(xué)工作者學(xué)習(xí)因果建模提供一份有價(jià)值的入門材料。
該書由 Marloes Maathuis（蘇黎世聯(lián)邦理工學(xué)院統(tǒng)計(jì)學(xué)教授）、Mathias Drton（華盛頓大學(xué)統(tǒng)計(jì)學(xué)教授）、Steffen Lauritzen（哥本哈根大學(xué)數(shù)理統(tǒng)計(jì)教授）、Martin Wainwright（加州大學(xué)伯克利分校統(tǒng)計(jì)學(xué)、電子工程與計(jì)算機(jī)科學(xué)教授）以及多位貢獻(xiàn)者合作完成。
本書的主要作者（從左至右：Marloes Maathuis、Mathias Drton、Steffen Lauritzen、Martin Wainwright）。
圖模型是什么？
圖模型是一種與圖相關(guān)的統(tǒng)計(jì)模型。圖的節(jié)點(diǎn)對(duì)應(yīng)感興趣的隨機(jī)變量，邊編碼變量之間允許的條件依賴。基于圖模型的因式分解特性便于使用多元分布進(jìn)行易于處理的計(jì)算，使得該模型成為許多應(yīng)用中的有用工具。此外，有向圖模型容許直觀的因果解釋，已經(jīng)成為因果推理的基石。
為什么要讀這本書？
雖然目前已經(jīng)有很多關(guān)于圖模型的優(yōu)秀書籍，但這一領(lǐng)域發(fā)展得如此之快，單個(gè)作者很難覆蓋其全部內(nèi)容。而且，圖模型本來就是跨學(xué)科的，其成果來自多個(gè)學(xué)科，如統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、電氣工程、生物學(xué)、數(shù)學(xué)和哲學(xué)。通過介紹這些領(lǐng)域領(lǐng)先的研究成果，這本新書可以讓我們看到圖模型的當(dāng)前發(fā)展?fàn)顩r。
書中寫了哪些內(nèi)容？
全書共分為 5 大部分，包含 21 個(gè)章節(jié)：
第一部分介紹了與圖模型相關(guān)的基礎(chǔ)知識(shí)，包括圖如何編碼隨機(jī)變量之間的條件獨(dú)立性（變量聯(lián)合分布的因式分解）。
第二部分講如何基于特定圖模型進(jìn)行高效計(jì)算，重點(diǎn)解釋了相關(guān)因式分解特性的利用。
第三部分將重點(diǎn)轉(zhuǎn)到統(tǒng)計(jì)推理問題，如學(xué)習(xí)圖和從可用數(shù)據(jù)中估計(jì)相關(guān)參數(shù)。
第四部分是關(guān)于有向無環(huán)圖的因果解釋。相關(guān)章節(jié)概覽了因果推理的圖方法基本概念，同時(shí)還討論了一些統(tǒng)計(jì)問題，如從數(shù)據(jù)中學(xué)習(xí)有向無環(huán)圖。
最后一部分介紹了圖模型在司法科學(xué)、生物學(xué)等學(xué)科中的應(yīng)用。
了解了這本書的基本信息之后，我們來看一下書中的詳細(xì)內(nèi)容。
圖的定義
整本書都是圍繞「圖」這一數(shù)據(jù)結(jié)構(gòu)，而圖模型將圖中的節(jié)點(diǎn)視為隨機(jī)變量，將連接的邊視為獨(dú)立性關(guān)系，那么圖模型也就成為了一種強(qiáng)大的建模工具。
作為圖模型的基礎(chǔ)，我們先要了解「圖」的標(biāo)準(zhǔn)定義，因此我們可以看看在這本書中 1.6 小節(jié)到底是如何定義圖的。
這一章節(jié)介紹了關(guān)于圖最基本的概念。現(xiàn)在若定義 N 為有限非空索引集的通用符號(hào)，其元素對(duì)應(yīng)于隨機(jī)變量，并且在圖模型中以節(jié)點(diǎn)的方式出現(xiàn)。通過 N 定義的圖可以理解為將 N 作為節(jié)點(diǎn)集合，本章考慮的圖沒有多重邊，因此它們通過邊可以分為無向圖和有向圖。
注：上面是原文對(duì)無向圖和有向圖的標(biāo)準(zhǔn)定義，其中無向圖指節(jié)點(diǎn)間的邊全是沒有指向的，而有向圖指節(jié)點(diǎn)間的邊是有指向的。
給定在 N 上定義的圖 G（無向圖或有向圖），且有非空節(jié)點(diǎn)集 T ? N，那么由 G 誘導(dǎo)出的子圖（induced subgraph）T 可以表示為 G_T。具體而言，G_T 表示在集合 T 上的圖，其中所有的邊即 G 中 T 個(gè)子節(jié)點(diǎn)間的邊。
圖 G 在 N 上的游走（walk）可以表示為從 i_1 到 i_k（k ≥ 1）的節(jié)點(diǎn)序列，序列中每一對(duì)相鄰的節(jié)點(diǎn)在圖 G 中都有一條邊相連。游走的端節(jié)點(diǎn)為 i_1 和 i_k，如果 k ≥ 3，那么其余的節(jié)點(diǎn)可以表示為 i_l（1 < l < k），它們都是內(nèi)部節(jié)點(diǎn)。游走過程中邊的數(shù)量 k - 1 被稱為游走的長度。
如果 i_1, ..., i_k 是唯一的，那么該游走就稱為圖 G 的徑（Path）；如果 k≥ 4，且滿足 i_1 = i_k、i_1, . . . , i_k?1 是唯一的，那么這樣的游走可以稱為環(huán)（Cycle）。在有向圖 G 中，一條徑或者一個(gè)環(huán)之所以稱為有向，是因?yàn)閷?duì)于所有內(nèi)部節(jié)點(diǎn) l=1, ..., k-1，都有 i_l → i_l+1。
圖 1.3：兩種無向圖。
如果有向圖 G 不包括有向環(huán)，那么它按照慣例就可以稱為有向無環(huán)圖（DAG）。DAG 有一個(gè)眾所周知的等價(jià)描述，即如果有向圖 G 能枚舉節(jié)點(diǎn) i_1, ..., i_|N|，且它們的指向是一致的，那么就可以稱為 DAG。即如果圖 G 中 i_l → i_k，那么有 l < k。
另外一種重要的概念是弦圖（無向圖），弦圖滿足對(duì)于節(jié)點(diǎn)至少為 4 的環(huán)，它都至少有一條弦。也就是說，環(huán)中節(jié)點(diǎn)的邊，并不是構(gòu)成環(huán)的邊。一種非常著名的等價(jià)定義方法可以表示為，一個(gè)弦圖 G 指的是它的團(tuán)可以以序列的方式組織 C_1, ...,C_m（m ≥ 1），它滿足 running intersection 屬性：對(duì)于所有 k ≥ 2，存在 l < k 以令
。
目錄
最后，讓我們看看整本書的目錄和主題（滑動(dòng)目錄向下翻頁）。
incent van Gogh (1853 - 1890), Saint-Rémy-de-Provence, 1890
Credits: Van Gogh Museum, Amsterdam (State of the Netherlands, bequest of A.E. Ribbius Peletier)
題圖
4 月是生命力噴薄而出的季節(jié)，古語冠以「芳菲」二字有點(diǎn)過于文靜了，相信多數(shù)人都被怒放的花兒所震撼過。感謝 4 月帶給我們的這般熱烈的生命力。題圖為梵高在 1889 年 4 月畫的花期中的李子樹。
4 月的圖書也像花兒一樣爭奇斗艷。
本月為大家特別推薦的書是——《深入剖析Kubernetes》，推薦理由如下。
技術(shù)圖書作品
1. 深入剖析Kubernetes
作者：張磊
| 圖書特色
本書深入剖析了Kubernetes的本質(zhì)、核心原理和設(shè)計(jì)思想，從開發(fā)者和使用者的真實(shí)邏輯出發(fā)，逐層剖析Kubernetes項(xiàng)目的核心特性，全面涵蓋集群搭建、容器編排、網(wǎng)絡(luò)、資源管理等核心內(nèi)容，以通俗易懂的語言揭示了Kubernetes的設(shè)計(jì)原則和容器編排理念，是一本全面且深入的Kubernetes技術(shù)指南。
2. 斯坦福數(shù)據(jù)挖掘教程（第3版）
作者：Jure Leskovec，Anand Rajaraman，Jeffrey Ullman
譯者：王斌 , 王達(dá)侃
| 圖書特色
本書源自斯坦福大學(xué)公開課“CS246：海量數(shù)據(jù)挖掘”“CS224W：圖機(jī)器學(xué)習(xí)”和“CS341：項(xiàng)目實(shí)戰(zhàn)課”，主要關(guān)注極大規(guī)模數(shù)據(jù)的挖掘。書中包括分布式文件系統(tǒng)、相似性搜索、搜索引擎技術(shù)、頻繁項(xiàng)集挖掘、聚類算法、廣告管理及推薦系統(tǒng)、社會(huì)網(wǎng)絡(luò)圖挖掘和大規(guī)模機(jī)器學(xué)習(xí)等主要內(nèi)容。第3版新增了決策樹、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等內(nèi)容。幾乎每節(jié)都有對(duì)應(yīng)的習(xí)題，以此來鞏固所講解的內(nèi)容。讀者還可以從網(wǎng)上獲取相關(guān)拓展資料。
3. 圖神經(jīng)網(wǎng)絡(luò)導(dǎo)論
作者：劉知遠(yuǎn) 周界
譯者：李濼秋
| 圖書特色
圖神經(jīng)網(wǎng)絡(luò)（GNN）是基于深度學(xué)習(xí)的圖數(shù)據(jù)處理方法，因其卓越的性能而受到廣泛關(guān)注。本書全面介紹了GNN的基本概念、具體模型和實(shí)際應(yīng)用。書中首先概述數(shù)學(xué)基礎(chǔ)和神經(jīng)網(wǎng)絡(luò)以及圖神經(jīng)網(wǎng)絡(luò)的基本概念，接著介紹不同種類的GNN，包括卷積圖神經(jīng)網(wǎng)絡(luò)、循環(huán)圖神經(jīng)網(wǎng)絡(luò)、圖注意力網(wǎng)絡(luò)、圖殘差網(wǎng)絡(luò)，以及幾個(gè)通用框架。此外，本書還介紹了GNN在結(jié)構(gòu)化場景、非結(jié)構(gòu)化場景和其他場景中的應(yīng)用。讀完本書，你將對(duì)GNN的最新成果和發(fā)展方向有較為透徹的認(rèn)識(shí)。
4. JavaScript深度學(xué)習(xí)
作者：蔡善清（Shanqing Cai）， Stanley Bileschi，Eric D. Nielsen，F(xiàn)ran?ois Chollet
譯者：程澤
| 圖書特色
本書教你使用TensorFlow.js構(gòu)建強(qiáng)大的JavaScript深度學(xué)習(xí)應(yīng)用程序。本書作者均是谷歌大腦團(tuán)隊(duì)的資深工程師，也是TensorFlow.js的核心開發(fā)人員。你將了解JavaScript與深度學(xué)習(xí)結(jié)合的獨(dú)特優(yōu)勢，掌握客戶端預(yù)測與分析、圖像識(shí)別、監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等核心概念，并動(dòng)手在瀏覽器中實(shí)現(xiàn)計(jì)算機(jī)視覺和音頻處理以及自然語言處理，構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，利用客戶端數(shù)據(jù)優(yōu)化機(jī)器學(xué)習(xí)模型，開發(fā)基于瀏覽器的交互式游戲，同時(shí)為深度學(xué)習(xí)探索新的應(yīng)用空間。你還可以獲得深度學(xué)習(xí)模型構(gòu)建過程中不同問題所涉及的策略和相關(guān)限制的實(shí)用知識(shí)，同時(shí)了解訓(xùn)練和部署這些模型的具體步驟以及重要的注意事項(xiàng)。
5. 獨(dú)角獸項(xiàng)目：數(shù)字化轉(zhuǎn)型時(shí)代的開發(fā)傳奇
作者：Gene Kim
譯者：張樂 , 孫振鵬 , 許峰
| 圖書特色
一部令你豁然開朗的 IT 勵(lì)志小說，沉浸式體驗(yàn)從困獸到獨(dú)角獸的自我蛻變。
本書是運(yùn)維名著《鳳凰項(xiàng)目：一個(gè)IT運(yùn)維的傳奇故事》的姊妹篇，從軟件開發(fā)人員的角度繼續(xù)講述無極限零部件公司的故事。瑪克辛是開發(fā)主管兼架構(gòu)師，因公司工資系統(tǒng)事故而被“流放”去做鳳凰項(xiàng)目的文檔工作。在這樣一家剛剛度過百年華誕的老牌公司里，在電子商務(wù)已然風(fēng)生水起的當(dāng)下，瑪克辛能否拯救那個(gè)已令數(shù)百名開發(fā)人員深陷其中的項(xiàng)目？作者在本書中提出“五大理念”，并相信有了這五個(gè)理念，企業(yè)就能打破壁壘、力排萬難，在數(shù)字化洪流中力挽狂瀾。
6. 數(shù)據(jù)驅(qū)動(dòng)力：企業(yè)數(shù)據(jù)分析實(shí)戰(zhàn)
作者：Carl Anderson
譯者：張奎 , 郭鵬程 , 管晨
| 圖書特色
面對(duì)大數(shù)據(jù)這一勢不可擋的時(shí)代潮流，所有企業(yè)都需要思考如何在實(shí)際工作中挖掘數(shù)據(jù)，充分發(fā)揮數(shù)據(jù)分析師的才能，進(jìn)而有效地利用數(shù)據(jù)完成商業(yè)決策。本書首先講解數(shù)據(jù)本身，重點(diǎn)介紹如何選擇正確的數(shù)據(jù)源，確保數(shù)據(jù)的質(zhì)量和可靠性，然后討論數(shù)據(jù)分析，組織需要獲取擁有必備技術(shù)和工具并能洞察數(shù)據(jù)變化的人才。接下來幾章介紹具體的分析工
本書通過豐富的案例展示如何打造完整的分析價(jià)值鏈：收集正確、可靠的數(shù)據(jù)，合理分析，獲得見解，并將見解融入決策過程。
人生技能及科普作品
1. 寫作的邏輯：從清晰表達(dá)到高效溝通
作者：倉島保美
譯者：甘菁菁 柳慕云
| 圖書特色
邏輯性寫作，不同于文學(xué)寫作，它側(cè)重信息表達(dá)的清晰性、有效性、正當(dāng)性，是高效思考、溝通的有力工具。
本書是基于邏輯學(xué)、認(rèn)知心理學(xué)的寫作入門書。作者結(jié)合歐美大學(xué)開設(shè)的邏輯類寫作課程，從人腦理解信息的“心智模型”出發(fā)，通俗講述了“如何使用清晰、準(zhǔn)確的語言進(jìn)行表達(dá)”“怎樣構(gòu)建易讀易懂、有說服力的文章結(jié)構(gòu)”等內(nèi)容，向讀者傳授了工作報(bào)告、技術(shù)報(bào)告、論文等邏輯類文章實(shí)用寫作方法。
本書適合有寫作需求的職場人士閱讀，也可作為本科生、研究生撰寫論文的參考資料。
2. 代數(shù)的歷史：人類對(duì)未知量的不舍追蹤（修訂版）
作者：[美] 約翰·德比希爾
譯者：張浩
| 圖書特色
代數(shù)究竟為何物？它起源于何處？
誰是真正的“代數(shù)之父”？
字母符號(hào)是如何從無到有的？
代數(shù)如何達(dá)到了越來越高的抽象層次？
牛頓與萊布尼茨的“微積分之爭”有無定論？
數(shù)學(xué)家在舉世矚目的成就背后，經(jīng)歷了怎樣的磨難？
這是一部恢宏的數(shù)學(xué)史和人類思想史，一本闡明代數(shù)基本知識(shí)的“數(shù)學(xué)入門書”，一冊(cè)數(shù)學(xué)家的趣味故事集。
本書向讀者介紹了代數(shù)學(xué)自誕生以來的發(fā)展歷程，內(nèi)容涵蓋代數(shù)學(xué)中的重要概念，如未知量、抽象概念、方程、向量空間、域論、代數(shù)幾何，等等。作者以詼諧的筆觸展現(xiàn)了代數(shù)幾千年發(fā)展史中的重大事件和核心人物，并介紹了代數(shù)的基本知識(shí)，以代數(shù)這一重要而有趣的角度呈現(xiàn)數(shù)學(xué)思維的戲劇性進(jìn)化歷程，向讀者展現(xiàn)了一種感知世界的全新方式。作者憑借歷史學(xué)家的敘事能力，帶領(lǐng)讀者踏上一段令人稱嘆、充滿挑戰(zhàn)的數(shù)學(xué)之旅。本書適合對(duì)代數(shù)學(xué)及其歷史感興趣的讀者閱讀。
3. 圖表會(huì)說話：Excel數(shù)據(jù)可視化之美
作者：Jorge Cam?es
譯者：朱浩波
本書是寫給辦公白領(lǐng)的Excel數(shù)據(jù)可視化入門書，旨在幫助你理解數(shù)據(jù)可視化的一般規(guī)則。從辦公室白領(lǐng)的實(shí)際需求出發(fā)，將可視化的基本原理和Excel的技巧和理念有機(jī)結(jié)合起來，教你如何在商業(yè)環(huán)境中，將有效的信息和復(fù)雜的思想通過簡單的圖表傳遞出去，用Excel制作出有影響力的數(shù)據(jù)可視化作品。本書在煩瑣的理論和花哨的技巧之間尋求平衡，帶你重新認(rèn)識(shí)“圖表”。打破以往按照?qǐng)D表形式劃分圖表的弊端，教你從任務(wù)劃分圖表，輕松解決順序、組成、分布、趨勢、關(guān)系、概況，異常等6類問題。擺脫美學(xué)天賦的束縛，從圖表的功能性著手，讓圖表說話！
*請(qǐng)認(rèn)真填寫需求信息，我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。
