第1篇 Web和人工智能 1
第1章 人工智能簡(jiǎn)介和機(jī)器學(xué)習(xí)基礎(chǔ) 3
1.1 人工智能及其類(lèi)型簡(jiǎn)介 4
1.1.1 影響人工智能推進(jìn)的因素 4
1.1.2 數(shù)據(jù) 5
1.1.3 算法的進(jìn)步 6
1.1.4 硬件的進(jìn)步 7
1.1.5 高性能計(jì)算的大眾化 7
1.2 機(jī)器學(xué)習(xí)—流行的人工智能形式 7
1.3 關(guān)于深度學(xué)習(xí) 8
1.4 人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的關(guān)系 10
1.5 機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí) 11
1.5.1 機(jī)器學(xué)習(xí)的類(lèi)型 11
1.5.2 監(jiān)督學(xué)習(xí) 12
1.5.3 無(wú)監(jiān)督學(xué)習(xí) 13
1.5.4 強(qiáng)化學(xué)習(xí) 13
1.5.5 半監(jiān)督學(xué)習(xí) 14
1.6 必要的術(shù)語(yǔ) 14
1.6.1 訓(xùn)練集、測(cè)試集和驗(yàn)證集 14
1.6.2 偏差和方差 15
1.6.3 過(guò)擬合和欠擬合 15
1.6.4 訓(xùn)練誤差和泛化誤差 17
1.7 機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)工作流程 18
1.7.1 數(shù)據(jù)檢索 18
1.7.2 數(shù)據(jù)準(zhǔn)備 19
1.7.3 建立模型 20
1.7.4 模型對(duì)比與選擇 23
1.7.5 部署和監(jiān)控 23
1.8 融合AI之前和之后的Web應(yīng)用 25
1.8.1 聊天機(jī)器人 25
1.8.2 Web分析 26
1.8.3 垃圾郵件過(guò)濾 27
1.8.4 搜索引擎 28
1.9 知名Web-AI企業(yè)以及它們正在做的工作 29
1.9.1 Google 30
1.9.2 Facebook 33
1.9.3 Amazon 34
1.10 小結(jié) 35
第2篇 使用深度學(xué)習(xí)進(jìn)行Web開(kāi)發(fā)
第2章 使用Python進(jìn)行深度學(xué)習(xí) 39
2.1 揭開(kāi)神經(jīng)網(wǎng)絡(luò)的神秘面紗 39
2.1.1 人工神經(jīng)元 40
2.1.2 線性神經(jīng)元詳解 41
2.1.3 非線性神經(jīng)元詳解 43
2.1.4 神經(jīng)網(wǎng)絡(luò)的輸入和輸出層 45
2.1.5 梯度下降和反向傳播 49
2.2 不同類(lèi)型的神經(jīng)網(wǎng)絡(luò) 52
2.2.1 卷積神經(jīng)網(wǎng)絡(luò) 52
2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 58
2.3 Jupyter Notebook初探 64
2.3.1 安裝Jupyter Notebook 64
2.3.2 驗(yàn)證安裝 65
2.3.3 使用Jupyter Notebook 66
2.4 設(shè)置基于深度學(xué)習(xí)的云環(huán)境 67
2.4.1 設(shè)置AWS EC2 GPU深度學(xué)習(xí)環(huán)境 68
2.4.2 Crestle上的深度學(xué)習(xí) 72
2.4.3 其他深度學(xué)習(xí)環(huán)境 72
2.5 NumPy和Pandas初探 73
2.5.1 關(guān)于NumPy庫(kù) 73
2.5.2 NumPy數(shù)組 73
2.5.3 基本的NumPy數(shù)組操作 75
2.5.4 NumPy數(shù)組與Python列表 76
2.5.5 關(guān)于Pandas 77
2.6 小結(jié) 78
第3章 創(chuàng)建個(gè)深度學(xué)習(xí)Web應(yīng)用程序 79
3.1 技術(shù)要求 79
3.2 構(gòu)建深度學(xué)習(xí)Web應(yīng)用程序 80
3.2.1 深度學(xué)習(xí)Web應(yīng)用程序規(guī)劃 80
3.2.2 通用深度學(xué)習(xí)網(wǎng)絡(luò)應(yīng)用程序的結(jié)構(gòu)圖 80
3.3 理解數(shù)據(jù)集 81
3.3.1 手寫(xiě)數(shù)字的MNIST數(shù)據(jù)集 81
3.3.2 探索數(shù)據(jù)集 82
3.3.3 創(chuàng)建函數(shù)來(lái)讀取圖像文件 83
3.3.4 創(chuàng)建函數(shù)來(lái)讀取標(biāo)簽文件 85
3.3.5 數(shù)據(jù)集匯總信息 85
3.4 使用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò) 86
3.4.1 導(dǎo)入必要的模塊 87
3.4.2 重用函數(shù)以加載圖像和標(biāo)簽文件 87
3.4.3 重塑數(shù)組以使用Keras進(jìn)行處理 89
3.4.4 使用Keras創(chuàng)建神經(jīng)網(wǎng)絡(luò) 89
3.4.5 編譯和訓(xùn)練Keras神經(jīng)網(wǎng)絡(luò) 90
3.4.6 評(píng)估和存儲(chǔ)模型 91
3.5 創(chuàng)建Flask API以使用服務(wù)器端Python 92
3.5.1 設(shè)置環(huán)境 92
3.5.2 上傳模型結(jié)構(gòu)和權(quán)重 92
3.5.3 創(chuàng)建個(gè)Flask服務(wù)器 92
3.5.4 導(dǎo)入必要的模塊 93
3.5.5 將數(shù)據(jù)加載到腳本運(yùn)行時(shí)并設(shè)置模型 93
3.5.6 設(shè)置應(yīng)用程序和index()函數(shù) 94
3.5.7 轉(zhuǎn)換圖像函數(shù) 94
3.5.8 預(yù)測(cè)API 95
3.6 通過(guò)cURL使用API并使用Flask創(chuàng)建Web客戶(hù)端 96
3.6.1 通過(guò)cURL使用API 96
3.6.2 為API創(chuàng)建一個(gè)簡(jiǎn)單的Web客戶(hù)端 97
3.7 改進(jìn)深度學(xué)習(xí)后端 100
3.8 小結(jié) 100
第4章 TensorFlow.js入門(mén) 101
4.1 技術(shù)要求 101
4.2 TF.js的基礎(chǔ)知識(shí) 102
4.2.1 關(guān)于TensorFlow 102
4.2.2 關(guān)于TF.js 102
4.2.3 TF.js出現(xiàn)的意義 102
4.3 TF.js的基本概念 103
4.3.1 張量 103
4.3.2 變量 104
4.3.3 操作符 104
4.3.4 模型和層 105
4.4 使用TF.js的案例研究 106
4.4.1 TF.js迷你項(xiàng)目的問(wèn)題陳述 106
4.4.2 鳶尾花數(shù)據(jù)集 106
4.5 開(kāi)發(fā)一個(gè)使用TF.js的深度學(xué)習(xí)Web應(yīng)用程序 107
4.5.1 準(zhǔn)備數(shù)據(jù)集 107
4.5.2 項(xiàng)目架構(gòu) 107
4.5.3 啟動(dòng)項(xiàng)目 108
4.5.4 創(chuàng)建TF.js模型 110
4.5.5 訓(xùn)練TF.js模型 112
4.5.6 使用TF.js模型進(jìn)行預(yù)測(cè) 113
4.5.7 創(chuàng)建一個(gè)簡(jiǎn)單的客戶(hù)端 115
4.5.8 運(yùn)行TF.js Web應(yīng)用程序 117
4.6 TF.js的優(yōu)點(diǎn)和局限性 119
4.7 小結(jié) 119
第3篇 使用不同的深度學(xué)習(xí)API進(jìn)行Web開(kāi)發(fā)
第5章 通過(guò)API進(jìn)行深度學(xué)習(xí) 123
5.1 關(guān)于API 123
5.2 使用API的重要性 124
5.3 API與庫(kù)的異同 125
5.4 一些廣為人知的深度學(xué)習(xí)API 126
5.5 一些鮮為人知的深度學(xué)習(xí)API 127
5.6 選擇深度學(xué)習(xí)API提供商 128
5.7 小結(jié) 129
第6章 使用Python在Google云平臺(tái)上進(jìn)行深度學(xué)習(xí) 131
6.1 技術(shù)要求 131
6.2 設(shè)置Google云平臺(tái)賬戶(hù) 131
6.3 在GCP上創(chuàng)建個(gè)項(xiàng)目 133
6.4 在Python中使用Dialogflow API 135
6.4.1 創(chuàng)建Dialogflow賬戶(hù) 136
6.4.2 創(chuàng)建新代理 136
6.4.3 創(chuàng)建新Intent 138
6.4.4 測(cè)試代理 139
6.4.5 安裝Dialogflow Python SDK 140
6.4.6 創(chuàng)建GCP服務(wù)賬號(hào) 141
6.4.7 使用Python API調(diào)用Dialogflow代理 143
6.5 在Python中使用Cloud Vision API 146
6.5.1 使用預(yù)訓(xùn)練模型的重要性 147
6.5.2 設(shè)置Vision Client庫(kù) 148
6.5.3 使用Python調(diào)用Cloud Vision API 149
6.6 在Python中使用Cloud Translation API 150
6.6.1 為Python設(shè)置Cloud Translate API 151
6.6.2 使用Google Cloud Translation Python庫(kù) 152
6.7 小結(jié) 152
第7章 使用Python在AWS上進(jìn)行深度學(xué)習(xí) 155
7.1 技術(shù)要求 155
7.2 AWS入門(mén) 156
7.3 AWS產(chǎn)品簡(jiǎn)介 158
7.4 boto3入門(mén) 160
7.5 配置環(huán)境變量并安裝boto3 162
7.5.1 在Python中加載環(huán)境變量 162
7.5.2 創(chuàng)建S3存儲(chǔ)桶 162
7.5.3 使用boto3從Python代碼中訪問(wèn)S3 164
7.6 在Python中使用Rekognition API 165
7.6.1 Rekognition API功能介紹 165
7.6.2 使用Rekognition API的名人識(shí)別功能 166
7.6.3 通過(guò)Python代碼調(diào)用Rekognition API 167
7.7 在Python中使用Alexa API 171
7.7.1 先決條件和項(xiàng)目框圖 171
7.7.2 為Alexa技能創(chuàng)建配置 173
7.7.3 設(shè)置Login with Amazon服務(wù) 173
7.7.4 創(chuàng)建技能 175
7.7.5 配置AWS Lambda函數(shù) 176
7.7.6 創(chuàng)建Lambda函數(shù) 178
7.7.7 配置Alexa技能 180
7.7.8 為技能設(shè)置Amazon DynamoDB 181
7.7.9 為AWS Lambda函數(shù)部署代碼 182
7.7.10 測(cè)試Lambda函數(shù) 189
7.7.11 測(cè)試AWS Home Automation技能 191
7.8 小結(jié) 192
第8章 使用Python在Microsoft Azure上進(jìn)行深度學(xué)習(xí) 195
8.1 技術(shù)要求 195
8.2 設(shè)置Azure賬戶(hù) 196
8.3 Azure提供的深度學(xué)習(xí)服務(wù) 198
8.4 使用Face API和Python進(jìn)行對(duì)象檢測(cè) 200
8.4.1 初始設(shè)置 200
8.4.2 在Python代碼中使用Face API 203
8.4.3 可視化識(shí)別結(jié)果 205
8.5 使用Text Analytics API和Python提取文本信息 207
8.5.1 快速試用Text Analytics API 207
8.5.2 在Python代碼中使用Text Analytics API 208
8.6 關(guān)于CNTK 210
8.6.1 CNTK入門(mén) 210
8.6.2 在本地機(jī)器上安裝CNTK 210
8.6.3 在Google Colaboratory上安裝CNTK 211
8.6.4 創(chuàng)建CNTK神經(jīng)網(wǎng)絡(luò)模型 212
8.6.5 訓(xùn)練CNTK模型 215
8.6.6 測(cè)試和保存CNTK模型 216
8.7 Django Web開(kāi)發(fā)簡(jiǎn)介 216
8.7.1 Django入門(mén) 217
8.7.2 創(chuàng)建一個(gè)新的Django項(xiàng)目 218
8.7.3 設(shè)置主頁(yè)模板 218
8.8 使用來(lái)自Django項(xiàng)目的CNTK進(jìn)行預(yù)測(cè) 223
8.8.1 設(shè)置預(yù)測(cè)路由和視圖 223
8.8.2 進(jìn)行必要的模塊導(dǎo)入 224
8.8.3 使用CNTK模型加載和預(yù)測(cè) 225
8.8.4 測(cè)試Web應(yīng)用程序 226
8.9 小結(jié) 227
第4篇 生產(chǎn)環(huán)境中的深度學(xué)習(xí)——智能Web應(yīng)用程序開(kāi)發(fā)
第9章 支持深度學(xué)習(xí)的網(wǎng)站的通用生產(chǎn)框架 231
9.1 技術(shù)要求 231
9.2 定義問(wèn)題陳述 232
9.3 建立項(xiàng)目的心智模型 232
9.4 避免獲得錯(cuò)誤數(shù)據(jù) 235
9.5 關(guān)于構(gòu)建AI后端的問(wèn)題 237
9.5.1 期望網(wǎng)站的AI部分是實(shí)時(shí)的 237
9.5.2 假設(shè)來(lái)自網(wǎng)站的傳入數(shù)據(jù)是理想的 237
9.6 端到端AI集成Web應(yīng)用程序示例 238
9.6.1 數(shù)據(jù)收集和清洗 238
9.6.2 構(gòu)建AI模型 239
9.6.3 導(dǎo)入必要的模塊 239
9.6.4 讀取數(shù)據(jù)集并準(zhǔn)備清洗函數(shù) 240
9.6.5 提取需要的數(shù)據(jù) 240
9.6.6 應(yīng)用文本清洗函數(shù) 241
9.6.7 將數(shù)據(jù)集拆分為訓(xùn)練集和測(cè)試集 241
9.6.8 聚合有關(guān)產(chǎn)品和用戶(hù)的文本 241
9.6.9 創(chuàng)建用戶(hù)和產(chǎn)品的TF-IDF向量化器 242
9.6.10 根據(jù)提供的評(píng)級(jí)創(chuàng)建用戶(hù)和產(chǎn)品索引 242
9.6.11 創(chuàng)建矩陣分解函數(shù) 243
9.6.12 將模型保存為pickle文件 243
9.6.13 構(gòu)建用戶(hù)界面 244
9.6.14 創(chuàng)建API來(lái)響應(yīng)搜索查詢(xún) 244
9.6.15 創(chuàng)建用戶(hù)界面以使用API 247
9.7 小結(jié) 248
第10章 使用深度學(xué)習(xí)系統(tǒng)保護(hù)Web應(yīng)用程序 249
10.1 技術(shù)要求 249
10.2 reCAPTCHA的由來(lái) 250
10.3 惡意用戶(hù)檢測(cè) 251
10.4 基于LSTM的用戶(hù)認(rèn)證模型 252
10.4.1 為用戶(hù)身份認(rèn)證有效性檢查構(gòu)建模型 252
10.4.2 訓(xùn)練模型 256
10.4.3 托管自定義身份驗(yàn)證模型 257
10.5 基于Django構(gòu)建使用API的應(yīng)用程序 259
10.5.1 Django項(xiàng)目設(shè)置 259
10.5.2 在項(xiàng)目中創(chuàng)建應(yīng)用程序 259
10.5.3 將應(yīng)用程序鏈接到項(xiàng)目中 260
10.5.4 為網(wǎng)站添加路由 260
10.5.5 在BBS應(yīng)用程序中創(chuàng)建路由處理文件 261
10.5.6 添加認(rèn)證路由和配置 261
10.5.7 創(chuàng)建登錄頁(yè)面 261
10.5.8 創(chuàng)建注銷(xiāo)視圖 263
10.5.9 創(chuàng)建登錄頁(yè)面模板 263
10.5.10 BBS頁(yè)面模板 265
10.5.11 添加到BBS頁(yè)面模板 265
10.5.12 BBS模型 266
10.5.13 創(chuàng)建BBS視圖 267
10.5.14 創(chuàng)建添加貼文的視圖 268
10.5.15 創(chuàng)建管理員用戶(hù)并對(duì)其進(jìn)行測(cè)試 268
10.5.16 通過(guò)Python在Web應(yīng)用程序中使用reCAPTCHA 269
10.6 使用Cloudflare保護(hù)網(wǎng)站安全 272
10.7 小結(jié) 273
第11章 自定義Web深度學(xué)習(xí)生產(chǎn)環(huán)境 275
11.1 技術(shù)要求 275
11.2 生產(chǎn)環(huán)境中的深度學(xué)習(xí)概述 276
11.2.1 Web API服務(wù) 278
11.2.2 在線學(xué)習(xí) 278
11.2.3 批量預(yù)測(cè) 278
11.2.4 自動(dòng)機(jī)器學(xué)習(xí) 278
11.3 在生產(chǎn)環(huán)境中部署機(jī)器學(xué)習(xí)的流行工具 279
11.3.1 creme 279
11.3.2 Airflow 282
11.3.3 AutoML 284
11.4 深度學(xué)習(xí)Web生產(chǎn)環(huán)境示例 285
11.4.1 項(xiàng)目基礎(chǔ)步驟 285
11.4.2 探索數(shù)據(jù)集 285
11.4.3 構(gòu)建預(yù)測(cè)模型 286
11.4.4 實(shí)現(xiàn)前端 290
11.4.5 實(shí)現(xiàn)后端 291
11.4.6 將項(xiàng)目部署到Heroku上 294
11.5 安全措施、監(jiān)控技術(shù)和性能優(yōu)化 297
11.6 小結(jié) 298
第12章 使用深度學(xué)習(xí)API和客服聊天機(jī)器人創(chuàng)建端到端Web應(yīng)用程序 299
12.1 技術(shù)要求 299
12.2 自然語(yǔ)言處理簡(jiǎn)介 300
12.2.1 語(yǔ)料庫(kù) 300
12.2.2 詞性 300
12.2.3 分詞 301
12.2.4 詞干提取和詞形還原 301
12.2.5 詞袋 302
12.2.6 相似性 302
12.3 聊天機(jī)器人簡(jiǎn)介 303
12.4 創(chuàng)建擁有客服代表個(gè)性的Dialogflow機(jī)器人 304
12.4.1 關(guān)于Dialogflow 304
12.4.2 步驟1—打開(kāi)Dialogflow控制臺(tái) 305
12.4.3 步驟2—創(chuàng)建新代理 306
12.4.4 步驟3—了解儀表板 306
12.4.5 步驟4—創(chuàng)建Intent 308
12.4.6 步驟5—創(chuàng)建一個(gè)webhook 313
12.4.7 步驟6—創(chuàng)建Firebase Cloud Functions 313
12.4.8 步驟7—為機(jī)器人添加個(gè)性 315
12.5 通過(guò)ngrok在本地主機(jī)上使用HTTPS API 316
12.6 使用Django創(chuàng)建測(cè)試用戶(hù)界面來(lái)管理訂單 318
12.6.1 步驟1—創(chuàng)建Django項(xiàng)目 318
12.6.2 步驟2—創(chuàng)建一個(gè)使用訂單管理系統(tǒng)API的應(yīng)用程序 319
12.6.3 步驟3—設(shè)置settings.py 319
12.6.4 步驟4—向apiui中添加路由 320
12.6.5 步驟5—在apiui應(yīng)用程序中添加路由 321
12.6.6 步驟6—創(chuàng)建所需的視圖 321
12.6.7 步驟7—創(chuàng)建模板 322
12.7 使用Web Speech API在網(wǎng)頁(yè)上進(jìn)行語(yǔ)音識(shí)別和語(yǔ)音合成 322
12.7.1 步驟1—創(chuàng)建按鈕元素 323
12.7.2 步驟2—初始化Web Speech API并執(zhí)行配置 324
12.7.3 步驟3—調(diào)用Dialogflow代理 325
12.7.4 步驟4—在Dialogflow Gateway上創(chuàng)建Dialogflow API代理 326
12.7.5 步驟5—為按鈕添加click處理程序 328
12.8 小結(jié) 329
附錄A Web 深度學(xué)習(xí)的成功案例和新興領(lǐng)域 331
A.1 成功案例 331
A.1.1 Quora 331
A.1.2 多鄰國(guó) 332
A.1.3 Spotify 333
A.1.4 Google相冊(cè) 333
A.2 重點(diǎn)新興領(lǐng)域 334
A.2.1 音頻搜索 334
A.2.2 閱讀理解 336
A.2.3 檢測(cè)社交媒體上的假新聞 337
A.3 結(jié)語(yǔ) 338