PYTHON人工智能项目实战

如果你想学习如何使用Python在多个靠前的人工智能（AI）领域构建代表性项目，本书将是一个完美的指南。本书介绍涉及AI所有核心应用方向的若干项目的详细实施过程。首先介绍使用机器学习和深度学习技术创建智能系统所需的基础知识，包括如何使用CNN、RNN、LSTM等各种神经网络架构，然后介绍如何在医疗领域使用迁移学习技术训练一个模型来检测人眼中的糖尿病视网膜病变，接着介绍如何创建一个神经机器翻译系统以及如何使用GAN实现时尚风格的迁移，之后介绍如何构建一个能够为视频产生字幕的模型，以及如何构建基于AI的推荐系统、用于情感分析的移动应用程序和用于提供客户服务的聊天机器人，*后介绍使用强化学习培训和构造自动驾驶车辆，以及在网络安全领域实施AI技术来生成CAPTCHA。你将学习如何使用TensorFlow、Keras等Python库为机器学习、深度学习和AI提供核心支持。通过本书的学习，你将能熟练建立自己的智能模型，以解决任何类型的AI问题。通过阅读本书，你将能够：• 使用序列到序列神经翻译机器构建智能机器翻译系统。• 使用GAN创建AI应用程序并使用TensorFlow部署智能移动应用程序。• 使用CNN和RNN为视频产生字幕。• 实现人工智能聊天机器人并将其集成和扩展到多个领域。• 使用深度Q学习创建智能增强的应用程序。• 使用深度学习和对抗学习破解和生成CAPTCHA。

通过结合深度学习和强化学习，帮助你构建智能而且实用的人工智能系统。本书涉及的项目涵盖众多领域，例如医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。本书有关构建智能应用的理论知识将帮助读者使用有趣的方法来拓展项目，令其快速创建有影响力的AI应用。读完本书之后，你将有足够的能力建立自己的智能模型，轻松地解决来自任何领域的问题。

作者简介桑塔努·帕塔纳亚克（Santanu Pattanayak）是高通公司研发部门的一名机器学习专家，著有《Pro Deep Learning with TensorFlow - A Mathematical Approach to Advanced Artifi Intelligence in Python》。他拥有12年的工作经验，在加入高通之前，曾在GE、Capgemini和IBM任职。

译者序前言作者简介审校者简介章  人工智能系统基础知识11.1  神经网络21.2  神经激活单元51.2.1  线性激活单元51.2.2  sigmoid激活单元61.2.3  双曲正切激活函数61.2.4  修正线性单元71.2.5  softmax激活单元91.3  用反向传播算法训练神经网络91.4  卷积神经网络121.5  循环神经网络131.6  生成对抗网络161.7  强化学习181.7.1  Q学习191.7.2  深度Q学习201.8  迁移学习211.9  受限玻尔兹曼机221.10  自编码器231.11  总结24第2章  迁移学习262.1  技术要求262.2  迁移学习简介272.3  迁移学习和糖尿病视网膜病变检测282.4  糖尿病视网膜病变数据集292.5  定义损失函数302.6  考虑类别不平衡问题312.7  预处理图像322.8  使用仿射变换生成额外数据332.8.1  旋转342.8.2  平移342.8.3  缩放352.8.4  反射352.8.5  通过仿射变换生成额外的图像362.9  网络架构362.9.1  VGG16迁移学习网络382.9.2  InceptionV3迁移学习网络392.9.3  ResNet50迁移学习网络392.10  优化器和初始学习率402.11  交叉验证402.12  基于验证对数损失的模型检查点402.13  训练过程的Python实现412.14  类别分类结果502.15  在测试期间进行推断502.16  使用回归而非类别分类522.17  使用keras sequential工具类生成器532.18  总结57第3章  神经机器翻译583.1  技术要求593.2  基于规则的机器翻译593.2.1  分析阶段593.2.2  词汇转换阶段603.2.3  生成阶段603.3  统计机器学习系统603.3.1  语言模型613.3.2  翻译模型633.4  神经机器翻译653.4.1  编码器–解码器模型653.4.2  使用编码器–解码器模型进行推断663.5  实现序列到序列的神经机器翻译673.5.1  处理输入数据673.5.2  定义神经翻译机器的模型713.5.3  神经翻译机器的损失函数733.5.4  训练模型733.5.5  构建推断模型743.5.6  单词向量嵌入783.5.7  嵌入层793.5.8  实现基于嵌入的NMT793.6  总结84第4章  基于GAN的时尚风格迁移854.1  技术要求854.2  DiscoGAN864.3  CycleGAN884.4  学习从手绘轮廓生成自然手提包894.5  预处理图像894.6  DiscoGAN的生成器914.7  DiscoGAN的判别器934.8  构建网络和定义损失函数944.9  构建训练过程974.10  GAN训练中的重要参数值994.11  启动训练1004.12  监督生成器和判别器的损失1014.13  DiscoGAN生成的样例图像1034.14  总结104第5章  视频字幕应用1055.1  技术要求1055.2  视频字幕中的CNN和LSTM1065.3  基于序列到序列的视频字幕系统1075.4  视频字幕系统数据集1095.5  处理视频图像以创建CNN特征1105.6  处理视频的带标签字幕1135.7  构建训练集和测试集1145.8  构建模型1155.8.1  定义模型的变量1165.8.2  编码阶段1175.8.3  解码阶段1175.8.4  计算小批量损失1185.9  为字幕创建单词词汇表1185.10  训练模型1195.11  训练结果1235.12  对未见过的视频进行推断1245.12.1  推断函数1265.12.2  评估结果1275.13  总结128第6章  智能推荐系统1296.1  技术要求1296.2  什么是推荐系统1296.3  基于潜在因子分解的推荐系统1316.4  深度学习与潜在因子协同过滤1326.5  SVD++1366.6  基于受限玻尔兹曼机的推荐系统1386.7  对比分歧1396.8  使用RBM进行协同过滤1406.9  使用RBM实现协同过滤1426.9.1  预处理输入1436.9.2  构建RBM网络进行协作过滤1446.9.3  训练RBM 1476.10  使用训练好的RBM进行推断1496.11  总结150第7章  用于电影评论情感分析的移动应用程序1517.1  技术要求1527.2  使用TensorFlow mobile构建Android移动应用程序1527.3  Android应用中的电影评论评分1537.4  预处理电影评论文本1547.5  构建模型1567.6  训练模型1577.7  将模型冻结为protobuf格式1597.8  为推断创建单词到表征的字典1617.9  应用程序交互界面设计1627.10  Android应用程序的核心逻辑1647.11  测试移动应用1687.12  总结170第8章  提供客户服务的AI聊天机器人1718.1  技术要求1728.2  聊天机器人的架构1728.3  基于LSTM的序列到序列模型1738.4  建立序列到序列模型1748.5  Twitter平台上的聊天机器人1748.5.1  构造聊天机器人的训练数据1758.5.2  将文本数据转换为单词索引1758.5.3  替换匿名用户名1768.5.4  定义模型1768.5.5  用于训练模型的损失函数1788.5.6  训练模型1798.5.7  从模型生成输出响应1808.5.8  所有代码连起来1808.5.9  开始训练1818.5.10  对一些输入推特的推断结果1818.6  总结182第9章  基于增强学习的无人驾驶1839.1  技术要求1839.2  马尔科夫决策过程1849.3  学习Q值函数1859.4  深度Q学习1869.5  形式化损失函数1869.6  深度双Q学习1879.7  实现一个无人驾驶车的代码1899.8  深度Q学习中的动作离散化1899.9  实现深度双Q值网络1909.10  设计智能体1919.11  自动驾驶车的环

本书可帮助你结合深度学习和强化学习来构建智能而且实用的基于人工智能的系统。本书涉及的项目涵盖众多领域，例如医疗健康、电子商务、专家系统、智能安防、移动应用和自动驾驶，使用的技术包括卷积神经网络、深度强化学习、基于LSTM的RNN、受限玻尔兹曼机、生成对抗网络、机器翻译和迁移学习。本书有关构建智能应用的理论知识将帮助读者使用有趣的方法来拓展项目，以便快速创建有影响力的AI应用。读完本书之后，你将有足够的能力建立自己的智能模型，轻松地解决来自任何领域的问题。本书面向的读者本书面向的读者是希望拓展AI知识的数据科学家、机器学习专家和深度学习从业者。如果你希望构建一个实用的在任何系统可发挥重要作用的智能系统，那么这本书正是你需要的。本书内容章介绍关于如何使用机器学习、深度学习和强化学习来构建人工智能系统的基础知识。我们会讨论不同的人工神经网络，包括用于图像处理的CNN和用于自然语言处理的RNN。第2章介绍如何使用迁移学习来检测人眼中的糖尿病视网膜病变症状，并判断其严重程度。我们会探索卷积神经网络（CNN），并学习如何用CNN训练一个模型，使得这个模型可以在人眼基底图片中检测出糖尿病视网膜病变。第3章介绍循环神经网络（RNN）架构的基础知识。我们还会学习三个不同的机器翻译系统：基于规则的机器翻译、统计机器翻译和神经机器翻译。第4章解释如何创建一个智能的AI模型，以便根据已有的手提包生成相似风格的鞋子，或相反。我们将使用Vanilla GAN来实现这个项目，还涉及GAN的多种定制化变形，例如DiscoGAN和CycleGAN。第5章讨论CNN和长短期记忆（LSTM）在视频字幕中的角色，以及如何利用序列到序列（视频到文字）架构构建一个视频字幕系统。第6章讨论推荐系统，该系统是一种信息过滤系统，用于解决电子数据信息过载问题，以便提取项目和信息。我们将使用协同过滤和受限玻尔兹曼机来构建推荐系统。第7章解释机器学习是如何向移动应用提供服务的。我们将使用TensorFlow来创建一个Android移动应用，将电影评论作为输入，基于情感分析来提供评分。第8章解释聊天机器人是如何进化的，以及使用聊天机器人的好处。我们还会研究如何创建一个聊天机器人，以及什么是LSTM序列到序列模型。我们还会为推特（Twitter）客服机器人创建一个序列到序列的模型。第9章解释强化学习和Q学习。我们还会使用深度学习和强化学习来创建一辆自动驾驶汽车。0章讨论什么是CAPTCHA以及为什么我们需要CAPTCHA。我们还会介绍利用深度学习构建一个模型来破坏CAPTCHA，以及如何使用对抗学习来生成CAPTCHA。下载示例代码及彩色图像本书的示例代码及所有截图和样图，可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。其他下载地址从GitHub下载本书的代码：https://github/com/PacktPublishing/Intelligent-Projects-using- Python。下载书中使用的截图、流程图等彩色图片：https://www.packtpub.com/sites/default/files/downloads/9781788996921_ColorImages.pdf。