"  《認知計算攻略 使用Cognitive Services和TensorFlow》通過完整且真實的代碼示例解決AI和機器學習問題。本書使用了一種從提出問題到給出解決方案的方式，以便通過提供諸如認知服務API、機器學習平臺和庫的工具組合來讓日常開發人員都可以接觸到深度學習和機器學習。    《認知計算攻略 使用Cognitive Services和TensorFlow》提供了同時期技術體繫的概覽，涵蓋了機器學習和深度學習的業務等

●第1章 使用認知服務實現AI民主化 1
1.1 AI民主化 3
1.1.1 機器學習庫 4
1.1.2 機器學習和深度學習目前的狀態 5
1.2 為人工智能構建業務用例 6
1.2.1 自然語言理解和生成 7
1.2.2 語音識別 7
1.2.3 認知數字助理 7
1.2.4 非結構化文本分析 8
1.2.5 決策管理 8
1.2.6 機器人流程自動化 8
1.3 機器學習的五大流派 8
1.4 Microsoft認知服務——概述 9
1.4.1 語音 11
1.4.2 語言 11
1.4.3 知識 11
1.4.4 搜索 11
1.5 人工智能的倫理規範 12
1.6 結語 13

第2章 構建對話式接口 15
2.1 對話式UI的組成部分 15
2.2 開始使用機器人框架 16
2.3 Bot Framework SDK示例 19
2.4 攻略2-1：構建YodaBot 21
2.4.1 問題 21
2.4.2 解決方案 21
2.4.3 運行機制 24
2.5 攻略2-2：使用Azure Bot Service創建機器人 29
2.5.1 問題 29
2.5.2 解決方案 29
2.5.3 運行機制 30
2.6 攻略2-3：構建一個問答機器人 35
2.6.1 問題 35
2.6.2 解決方案 35
2.6.3 運行機制 35
2.7 攻略2-4：數據中心健康監測機器人 42
2.7.1 問題 42
2.7.2 解決方案 43
2.7.3 運行機制 43
2.8 通過Resource Manager模板設置Azure部署 63

第3章 眼見為實：自定義視覺 69
3.1 熱狗，非熱狗 71
3.1.1 問題 71
3.1.2 解決方案 71
3.2 構建自定義視覺以訓練安防繫統 77
3.2.1 問題 78
3.2.2 解決方案 78
3.3 使用認知服務計算機視覺API構建說明標注機器人 87
3.3.1 問題 87
3.3.2 解決方案 87
3.3.3 DAQUAR挑戰 101
3.4 使用CustomVision.AI研究冰箱 101
3.4.1 問題 101
3.4.2 解決方案 101
3.5 現在使用認知工具集研究冰箱 109
3.5.1 問題 109
3.5.2 解決方案 109
3.6 使用自定義視覺進行產品和部件識別 122
3.6.1 問題 122
3.6.2 解決方案 122
3.7 在CNTK中使用自定義視覺模型搜索服飾 141
3.7.1 問題 141
3.7.2 解決方案 141

第4章 文本分析：暗數據前沿 155
4.1 文本分析生態繫統概覽 156
4.1.1 CoreNLP 156
4.1.2 NLTK——Python自然語言工具集 157
4.1.3 SpaCY 157
4.1.4 Gensim 158
4.1.5 Word2Vec 158
4.1.6 GloVe——詞表示的全局向量 159
4.1.7 DeepDive——功能，而非算法 159
4.1.8 Snorkel——用於快速訓練數據創建的繫統 159
4.1.9 Fonduer——來自富格式化數據的知識庫構造 160
4.1.10 TextBlob——簡化文本處理 160
4.1.11 基於雲端的文本分析和API 160
4.2 索賠分類 161
4.2.1 問題 161
4.2.2 解決方案 161
4.2.3 運行機制 162
4.3 獲悉公司的健康狀況 169
4.3.1 問題 169
4.3.2 解決方案 169
4.3.3 運行機制 170
4.4 文本自動摘要 175
4.4.1 問題 175
4.4.2 解決方案 175
4.4.3 運行機制 181

第5章 認知機器人技術處理自動化：自動執行 183
5.1 從音頻中提取意圖 185
5.1.1 問題 185
5.1.2 解決方案 185
5.1.3 運行機制 186
5.1.4 創建一個LUIS端點 186
5.1.5 創建LUIS應用並且針對用戶話語進行訓練 188
5.1.6 在Visual Studio 2017中編寫控制臺應用的代碼 195
5.2 用於自動化技術支持工單生成的電子郵件分類和分發 203
5.2.1 問題 203
5.2.2 解決方案 203
5.2.3 運行機制 204
5.3 異常檢測：欺詐性信用卡交易案例 215
5.3.1 問題 215
5.3.2 解決方案 215
5.3.3 運行機制 215
5.4 大海撈針：時序中的交叉相關性 220
5.4.1 問題 220
5.4.2 解決方案 220
5.4.3 運行機制 220
5.5 理解交易模式：對於能源的需求預測 226
5.5.1 問題 226
5.5.2 解決方案 226
5.5.3 運行機制 227

第6章 知識管理和智能搜索 233
6.1 探究Azure Search索引處理 236
6.1.1 問題 236
6.1.2 解決方案 236
6.1.3 運行機制 238
6.2 使用LUIS進行自然語言搜索 239
6.2.1 問題 239
6.2.2 解決方案 239
6.2.3 運行機制 240
6.3 實現實體搜索 264
6.3.1 問題 264
6.3.2 解決方案 264
6.3.3 運行機制 265
6.4 獲取論文摘要 268
6.4.1 問題 268
6.4.2 解決方案 268
6.4.3 運行機制 269
6.5 在文本分析中識別連接實體 273
6.5.1 問題 273
6.5.2 解決方案 273
6.5.3 運行機制 273
6.6 應用認知型搜索 275
6.6.1 問題 275
6.6.2 解決方案 275
6.6.3 創建一個存儲 277
6.6.4 上傳數據集 278

第7章 AIOps：運維中的預測分析與機器學習 285
7.1 使用Grakn構建知識圖譜 286
7.1.1 問題 286
7.1.2 解決方案 287
7.1.3 運行機制 287
7.2 使用Cognitive Services Labs Project Anomaly Finder檢測異常 296
7.2.1 問題 296
7.2.2 解決方案 297
7.2.3 運行機制 297

第8章 行業中的AI用例 305
8.1 金融服務 305
8.2 手機詐騙檢測 305
8.2.1 問題 305
8.2.2 解決方案 305
8.3 在途資金優化 306
8.3.1 問題 306
8.3.2 解決方案 307
8.4 事故傾向性預測(保險) 307
8.4.1 問題 307
8.4.2 解決方案 307
8.5 醫療健康 307
8.6 準確診斷和病患治療結果預測 309
8.6.1 問題 309
8.6.2 解決方案 309
8.7 醫院再入院預測和預防 309
8.7.1 問題 309
8.7.2 解決方案 309
8.8 汽車工業和制造業 310
8.9 預測式維護 311
8.9.1 問題 311
8.9.2 解決方案 311
8.10 零售業 311
8.11 個性化零售實體店體驗 311
8.11.1 問題 311
8.11.2 解決方案 312
8.12 快餐式汽車餐廳自動化問題 313
8.12.1 問題 313
8.12.2 解決方案 313
8.13 結語 315

附錄A 公共數據集&深度學習模型倉庫 317

本書通過完整且真實的代碼示例解決AI和機器學習問題。本書使用了一種從提出問題到給出解決方案的方式，以便通過提供諸如認知服務API、機器學習平臺和庫的工具組合來讓日常開發人員都可以接觸到深度學習和機器學習。 本書提供了同時期技術體繫的概覽，涵蓋了機器學習和深度學習的業務用例。通過講解諸如數字化助理、計算機視覺、文本分析、語音和機器人流程自動化的主題，提供一套全面的工具集以便讓讀者可以快速且容易地應用到自己的項目中。本書重點介紹的是Microsoft Cognitive Services的能力應用，講解使用包括TensorFlow和CNTK在內的多種不同環境來實現的方案，以便讓讀者能夠更寬泛地審視深度學習生態繫統。

(巴基)阿德南·馬蘇德,(巴基)阿德南·拉希米 著 蒲成 譯