hiskio

    Microsoft Azure AI 認知服務基礎必修課

    使用C#(含MCF AI-900國際認證模擬試題)

    收集中
    US$15.61

    內容簡介


    體貼初學者學習Azure AI認知服務的流程!
    AI認知服務功能介紹 ->認知服務申請 ->語法解說 ->AI範例實作

    ■ 內容涵蓋MCF AI-900人工智慧基礎國際認證知識與開發實作
    人工智慧工作負載與負責任AI、Azure電腦視覺功能、Azure自然語言處理功能、Azure交談式AI功能、Azure機器學習原理。

    ■ 專家與教師共同執筆
    由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著，針對目前初學者學習Azure人工智慧領域所應具備的基本素養，所編寫入門教材，內容由淺入深，以引發學習動機為最主要考量，帶領初學者靈活運用Azure AI認知服務進行開發AI應用程式。

    ■ 內容多元且淺顯易懂
    對AI認知服務的理論做深入淺出的說明，同時廣泛列舉AI認知服務的應用實例，並使用適當的插圖和圖表，說明AI技術的原理和實際運作方案，讓初學者對AI更進一步的認識。

    ■ AI認知服務開發技能
    規劃了實用的入門開發實作，以培養初學者規劃AI解決方案的能力。包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部分析與辨識、語言偵測、文字情感分析、LUIS語言理解、翻譯工具、機器學習分類、迴歸和叢集模型的實作範例；且對Azure AI認知服務開發實作的程式碼有詳盡的說明，培養初學者開發AI應用程式的能力。

    ■ MFC AI-900人工智慧基礎國際認證能力訓練
    認證考試重點融入教材中，讀者能藉由練習來了解該章內容重點，同時書末整理MCF AI-900核心能力國際認證模擬試題，進而順利通過認證考試，本書亦是考取MCF AI-900人工智慧基礎國際認證的最佳教材。

    目錄


    第1章 Microsoft Azure AI基本概念：使用人工智慧的開始
    1.1 人工智慧簡介
    1.2 Microsoft Azure AI簡介
    1.3 模擬試題
    第2章 負責任的AI
    2.1 AI造成的道德和社會問題
    2.2 了解負責任的AI
    2.3 申請Azure帳戶
    2.4 模擬試題
    第3章 探索電腦視覺(一)電腦視覺分析
    3.1 電腦視覺簡介
    3.2 電腦視覺服務
    3.3 開發環境與必要條件
    3.4 電腦視覺影像描述開發實作
    3.5 模擬試題
    第4章 探索電腦視覺(二)OCR與表單辨識器
    4.1 光學字元識別 (OCR)
    4.2 Azure電腦視覺認知服務讀取文字
    4.3 表單辨識器
    4.4 電腦視覺讀取影像文字開發實作
    4.5 模擬試題
    第5章 探索電腦視覺(三)自訂視覺
    5.1 自訂視覺簡介
    5.2 影像分類
    5.3 在Azure使用影像分類
    5.4 物件偵測
    5.5 在Azure使用物件偵測
    5.6 自訂視覺範例實作
    5.7 模擬試題
    第6章 探索電腦視覺(四)臉部服務
    6.1 臉部服務簡介
    6.2 臉部偵測
    6.3 臉部分析
    6.4 臉部辨識
    6.5 臉部服務開發實作
    6.6 模擬試題
    第7章 探索自然語言處理(一)文字分析
    7.1 自然語言處理簡介
    7.2 自然語言處理
    7.3 使用語言服務分析文字
    7.4 文字分析開發實作
    7.5 模擬試題
    第8章 探索自然語言處理(二)對話式AI
    8.1 對話式AI簡介
    8.2 問題與解答對話系統
    8.3 使用對話語言理解建立語言模型
    8.4 使用對話語言理解
    8.5 Azure 機器人服務
    8.6 Language Understanding開發實作
    8.7 模擬試題
    第9章 探索自然語言處理(三)語音與翻譯
    9.1 語音辨識與語音合成
    9.2 語音辨識與語音合成
    9.3 文字翻譯
    9.4 翻譯服務功能介紹
    9.5 文字翻譯開發實作
    9.6 模擬試題
    第10章 Azure機器學習基本原理
    10.1 機器學習簡介
    10.2 機器學習的工作流程
    10.3 機器學習的模型
    10.4 分類模型
    10.5 迴歸模型
    10.6 叢集模型
    10.7 模擬試題
    第11章 Azure機器學習實作
    11.1 Azure機器學習服務簡介
    11.2 Azure機器學習設計工具的工作流程
    11.3 使用Azure機器學習設計工具建立模型
    11.4 模擬試題
    附錄A MCF AI-900人工智慧基礎國際認證模擬試題

    章節目錄

    • 1-1
      封面頁
    • 1-2
      書名頁
    • 1-3
      序
    • 1-4
      目 錄
    • 1-5
      Ch01 Microsoft Azure AI 基本概念：使用人工智慧的開始
    • 1-6
      1.1 人工智慧簡介
    • 1-7
      1.2 Microsoft Azure AI 簡介
    • 1-8
      1.2.1 視覺 API (Vision APIs)
    • 1-9
      1.2.2 語音 API (Speech APIs)
    • 1-10
      1.2.3 語言API (Language APIs)
    • 1-11
      1.2.4 決策API (Decision APIs)
    • 1-12
      1.2.5 機器學習 (Azure Machine Learning)
    • 1-13
      1.3 模擬試題
    • 1-14
      Ch02 負責任的AI
    • 1-15
      2.1 AI 造成的道德和社會問題
    • 1-16
      2.2 了解負責任的 AI
    • 1-17
      2.3 申請Azure 帳戶
    • 1-18
      2.3.1 Azure 帳戶方案
    • 1-19
      2.3.2 申請Azure 帳戶
    • 1-20
      2.4 模擬試題
    • 1-21
      Ch03 探索電腦視覺(一)電腦視覺分析
    • 1-22
      3.1 電腦視覺簡介
    • 1-23
      3.2 電腦視覺服務
    • 1-24
      3.2.1 電腦視覺影像分析功能
    • 1-25
      3.2.2 電腦視覺服務線上體驗
    • 1-26
      3.3 開發環境與必要條件
    • 1-27
      3.4 電腦視覺影像描述開發實作
    • 1-28
      3.4.1 影像描述開發步驟
    • 1-29
      3.4.2 影像描述範例實作
    • 1-30
      3.4.3 影像分析開發步驟
    • 1-31
      3.4.4 影像分析範例實作
    • 1-32
      3.5 模擬試題
    • 1-33
      Ch04 探索電腦視覺(二)OCR 與表單辨識器
    • 1-34
      4.1 光學字元識別 (OCR)
    • 1-35
      4.1.1 OCR 的使用範例
    • 1-36
      4.1.2 傳統OCR 的辨識流程
    • 1-37
      4.1.3 傳統OCR 與深度學習OCR
    • 1-38
      4.1.4 OCR 的實用案例
    • 1-39
      4.2 Azure 電腦視覺認知服務讀取文字
    • 1-40
      4.3 表單辨識器
    • 1-41
      4.3.1 表單辨識器的建置模型
    • 1-42
      4.4 電腦視覺讀取影像文字開發實作
    • 1-43
      4.4.1 Read API 讀取影像文字開發步驟
    • 1-44
      4.4.2 讀取影像文字範例實作
    • 1-45
      4.5 模擬試題
    • 1-46
      Ch05 探索電腦視覺(三)自訂視覺
    • 1-47
      5.1 自訂視覺簡介
    • 1-48
      5.2 影像分類
    • 1-49
      5.2.1 電腦如何進行影像分類
    • 1-50
      5.2.2 影像分類的用途
    • 1-51
      5.3 在Azure 使用影像分類
    • 1-52
      5.3.1 蒐集相關特性的影像群組
    • 1-53
      5.3.2 建立影像分類功能的自訂視覺服務模型
    • 1-54
      5.4 物件偵測
    • 1-55
      5.5 在Azure 使用物件偵測
    • 1-56
      5.5.1 蒐集相關特性的影像群組
    • 1-57
      5.5.2 建立物件偵測功能的自訂視覺服務模型
    • 1-58
      5.6 自訂視覺範例實作
    • 1-59
      5.6.1 自訂視覺服務呼叫
    • 1-60
      5.6.2 自訂視覺範例實作(一)-取得偵測影像JSON 字串
    • 1-61
      5.6.3 自訂視覺範例實作(二)-解析偵測影像JSON 字串
    • 1-62
      5.7 模擬試題
    • 1-63
      Ch06 探索電腦視覺(四)臉部服務
    • 1-64
      6.1 臉部服務簡介
    • 1-65
      6.2 臉部偵測
    • 1-66
      6.3 臉部分析
    • 1-67
      6.4 臉部辨識
    • 1-68
      6.5 臉部服務開發實作
    • 1-69
      6.5.1 臉部服務開發步驟
    • 1-70
      6.5.2 臉部偵測範例實作
    • 1-71
      6.5.3 臉部屬性分析實作
    • 1-72
      6.5.4 臉部驗證開發步驟
    • 1-73
      6.5.5 臉部驗證實作
    • 1-74
      6.6 模擬試題
    • 1-75
      Ch07 探索自然語言處理(一)文字分析
    • 1-76
      7.1 自然語言處理簡介
    • 1-77
      7.2 自然語言處理
    • 1-78
      7.3 使用語言服務分析文字
    • 1-79
      7.3.1 語言服務功能
    • 1-80
      7.3.2 語言分析技術
    • 1-81
      7.3.3 語言分析服務
    • 1-82
      7.4 文字分析開發實作
    • 1-83
      7.4.1 文字分析開發步驟
    • 1-84
      7.4.2 語言偵測範例實作
    • 1-85
      7.4.3 文字情感分析實作
    • 1-86
      7.5 模擬試題
    • 1-87
      Ch08 探索自然語言處理(二)對話式AI
    • 1-88
      8.1 對話式AI 簡介
    • 1-89
      8.2 問題與解答對話系統
    • 1-90
      8.2.1 QnA Maker
    • 1-91
      8.2.2 問題與解答
    • 1-92
      8.3 使用對話語言理解建立語言模型
    • 1-93
      8.4 使用對話語言理解
    • 1-94
      8.5 Azure 機器人服務
    • 1-95
      8.6 Language Understanding 開發實作
    • 1-96
      8.6.1 LUIS 開發步驟
    • 1-97
      8.6.2 建立LUIS App 服務
    • 1-98
      8.6.3 呼叫LUIS 服務(一)-取得語言理解JSON 字串
    • 1-99
      8.6.4 呼叫LUIS 服務(二)-解析語言理解
    • 1-100
      8.7 模擬試題
    • 1-101
      Ch09 探索自然語言處理(三)語音與翻譯
    • 1-102
      9.1 語音辨識與語音合成
    • 1-103
      9.2 語音服務功能介紹
    • 1-104
      9.2.1 語音轉換文字 API
    • 1-105
      9.2.2 文字轉換語音API
    • 1-106
      9.3 文字翻譯
    • 1-107
      9.3.1 直譯與意譯
    • 1-108
      9.3.2 文字和語音翻譯
    • 1-109
      9.4 翻譯服務功能介紹
    • 1-110
      9.5 文字翻譯開發實作
    • 1-111
      9.5.1 文字翻譯開發步驟
    • 1-112
      9.5.2 文字翻譯範例實作(一)-取得翻譯JSON 字串
    • 1-113
      9.5.3 文字翻譯範例實作(二)-解析翻譯語言結果
    • 1-114
      9.6 模擬試題
    • 1-115
      Ch10 Azure 機器學習基本原理
    • 1-116
      10.1 機器學習簡介
    • 1-117
      10.2 機器學習的工作流程
    • 1-118
      10.3 機器學習的模型
    • 1-119
      10.3.1 監督式學習
    • 1-120
      10.3.2 非監督式學習
    • 1-121
      10.3.3 半監督式學習
    • 1-122
      10.3.4 增強學習
    • 1-123
      10.4 分類模型
    • 1-124
      10.4.1 分類模型簡介
    • 1-125
      10.4.2 分類模型常用的演算法
    • 1-126
      10.4.3 評估分類模型常用的指標
    • 1-127
      10.5 迴歸模型
    • 1-128
      10.5.1 迴歸模型簡介
    • 1-129
      10.5.2 迴歸模型常用的演算法
    • 1-130
      10.5.3 評估迴歸模型常用的指標
    • 1-131
      10.6 叢集模型
    • 1-132
      10.6.1 叢集模型簡介
    • 1-133
      10.6.2 叢集歸模型常用的演算法
    • 1-134
      10.7 模擬試題
    • 1-135
      Ch11 Azure 機器學習實作
    • 1-136
      11.1 Azure 機器學習服務簡介
    • 1-137
      11.1.1 Azure 機器學習服務
    • 1-138
      11.1.2 Azure 機器學習方案的生命週期
    • 1-139
      11.1.3 使用Azure ML 設計工具開發模型流程
    • 1-140
      11.1.4 如何建立Azure 機器學習服務工作區
    • 1-141
      11.2 Azure 機器學習設計工具的工作流程
    • 1-142
      11.2.1 Azure 機器學習設計工具功能
    • 1-143
      11.2.2 Azure 機器學習設計工具環境
    • 1-144
      11.2.3 Azure 機器學習的管線簡介
    • 1-145
      11.2.4 使用設計工具建立模型管線的工作流程
    • 1-146
      11.3 使用Azure 機器學習設計工具建立模型
    • 1-147
      11.3.1 資料集結構介紹
    • 1-148
      11.3.2 建立分類模型操作步驟
    • 1-149
      11.3.3 建立迴歸模型操作步驟
    • 1-150
      11.3.4 建立叢集模型操作步驟
    • 1-151
      11.4 模擬試題
    • 1-152
      附錄A MCF AI-900 人工智慧基礎國際認證模擬試題
    • 1-153
      版權頁
    • 1-154
      封底頁

    常見問答

    您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。

    猜你喜歡

    用戶評價

    | 收集中

    銷售方案