ModelArts人工智能应用开发指南

第一篇人工智能应用开发概述
第1章人工智能技术、应用及平台
1.1人工智能技术
1.1.1人工智能技术的发展
1.1.2人工智能技术的主要领域
1.1.3人工智能技术的价值
1.2人工智能应用
1.2.1人工智能应用的特点
1.2.2人工智能应用的商业化场景
1.3人工智能平台
第2章人工智能应用快速开发
2.1基于图像分类模板的开发
2.2基于目标检测模板的开发
2.3基于声音分类模板的开发
2.4基于文本分类模板的开发
第二篇人工智能应用开发方法
第3章人工智能应用开发全流程
3.1人工智能应用开发全流程解析
3.1.1数据准备子流程
3.1.2算法选择和开发子流程
3.1.3模型训练子流程
3.1.4模型评估和调优子流程
3.1.5应用生成、评估和发布子流程
3.1.6应用维护子流程
3.2人工智能应用开发流程的权衡
3.2.1复杂和简单的取舍
3.2.2人与机器的平衡
3.2.3开发和运行的融合
3.3人工智能应用开发全流程的成本分析
3.3.1设计和开发成本
3.3.2部署和维护成本
3.3.3边际成本
ModelArts人工智能应用开发指南
目录

第4章数据准备
4.1数据采集和接入
4.1.1数据采集
4.1.2数据接入
4.2数据处理
4.2.1数据校验和转换
4.2.2数据清洗
4.2.3数据选择
4.2.4数据增强
4.2.5其他数据处理
4.3数据标注
4.3.1标注任务分类
4.3.2智能数据标注
4.3.3数据标注元信息管理
4.4数据分析和优化
4.4.1数据集特征分析和优化
4.4.2细粒度数据诊断和优化
第5章算法选择和开发
5.1算法选择
5.1.1基础层算法选择
5.1.2应用层算法选择
5.1.3ModelArts预置算法选择
5.2算法开发
5.2.1开发语言
5.2.2开发库
5.2.3交互式开发环境
5.2.4ModelArts云上云下协同开发
第6章模型训练
6.1模型训练的基本过程
6.1.1基础概念
6.1.2模型训练与数据源的交互
6.1.3模型训练具体过程
6.2基于ModelArts的模型训练
6.2.1使用预置算法训练
6.2.2使用自定义算法训练
6.2.3使用自定义镜像训练
6.3端到端训练加速
6.3.1数据侧加速
6.3.2计算侧加速
6.3.3分布式并行侧加速
6.3.4调参侧加速
6.4自动搜索
6.4.1AutoSearch框架
6.4.2基于AutoSearch进行搜索
6.5弹性训练
6.6联邦协同训练
第7章模型评估和调优
7.1模型评估
7.1.1精度评估
7.1.2性能评估
7.1.3其他维度的评估
7.1.4基于ModelArts的模型评估
7.2模型诊断优化
7.2.1精度诊断优化
7.2.2性能诊断优化
第8章应用生成、评估和发布
8.1应用管理
8.1.1模型格式转换
8.1.2简单应用生成
8.1.3基于编排的应用生成
8.1.4应用评估
8.2应用部署和发布
8.2.1部署类型
8.2.2部署管理
8.2.3应用测试和使用
第9章应用维护
9.1数据采集和筛选
9.2应用迭代
9.2.1基于数据的应用迭代优化
9.2.2基于算法和模型的应用迭代优化
9.3基于ModelArts的应用维护
第三篇人工智能应用开发场景化实践
第10章构建企业级人工智能平台
10.1企业级人工智能平台
10.1.1企业级人工智能平台的设计要素
10.1.2ModelArts Pro企业级开发套件
10.2企业级OCR平台
10.2.1OCR算法的基本流程
10.2.2企业级OCR平台及关键流程
第11章构建面向复杂行业的自动化人工智能系统
11.1面向复杂行业的人工智能系统

11.2面向基因组学的自动化人工智能建模系统
11.2.1基于人工智能的组学数据建模
11.2.2面向基因组学的自动化建模
11.2.3基于SHAP的模型解释
11.2.4基因组数据自动建模工具——AutoGenome
第12章端边云协同的人工智能平台及应用开发
12.1端云协同的人工智能应用开发
12.1.1端云协同开发的应用场景
12.1.2HiLens端云协同开发平台
12.1.3HiLens开发环境
12.1.4HiLens开发框架
12.1.5案例： 智慧工地安全帽识别
12.2边云协同的人工智能应用开发
12.2.1智能交通解决方案的背景
12.2.2智能交通解决方案的设计
12.2.3基于边云协同的智能视频分析