hiskio

    Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證)

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

    收集中
    US$17.62

    內容簡介


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

    ■ 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，針對初學者學習Azure AI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與Azure OpenAI進行開發AI應用程式。

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

    ■ Azure AI服務開發技能
    介紹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。實作包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例，並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式；詳盡說明實作的程式碼與操作步驟，培養初學者開發AI應用程式的能力。

    ■ Microsoft AI-900人工智慧基礎國際認證能力訓練
    將認證考試重點融入書中，讀者能藉由練習來了解該章內容重點，同時書末彙整MCF AI-900核心能力國際認證模擬試題，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 認識 Colab 程式編輯環境
    3.1 Colab 簡介
    3.2 安裝 Colab
    3.3 Colab 環境簡介
    3.4 編輯第一個 Colab 筆記本
    3.5 Colab 常用功能

    第4章 Gradio 互動式網頁
    4.1 簡介認識 Gradio
    4.2 Gradio 基本語法介紹
    4.3 Gradio 常用的輸出入元件

    第5章 探索電腦視覺(一)電腦視覺分析
    5.1 Azure AI 視覺簡介
    5.2 Azure AI 視覺服務
    5.3 Azure AI 服務開發環境與必要條件
    5.4 Azure AI 視覺開發實作
    5.5 模擬試題

    第6章 探索電腦視覺(二)OCR 與文件智慧服務
    6.1 光學字元識別 (OCR)
    6.2 Azure AI 視覺服務讀取文字
    6.3 文件智慧服務和知識採礦
    6.4 Azure Al 視覺服務讀取影像文字開發實作
    6.5 模擬試題

    第7章 探索電腦視覺(三)臉部服務
    7.1 臉部辨識服務簡介
    7.2 臉部偵測
    7.3 臉部分析
    7.4 臉部識別
    7.5 臉部辨識服務開發實作
    7.6 模擬試題

    第8章 探索電腦視覺(四)自訂視覺
    8.1 自訂視覺簡介
    8.2 自訂視覺影像分類
    8.3 在 Azure 使用影像分類
    8.4 自訂視覺物件偵測
    8.5 在 Azure 使用物件偵測
    8.6 自訂視覺範例實作
    8.7 模擬試題

    第9章 探索自然語言處理(一)文字分析
    9.1 自然語言處理簡介
    9.2 自然語言處理
    9.3 使用 Azure AI 語言服務分析文字
    9.4 文字分析開發實作
    9.5 模擬試題

    第10章 探索自然語言處理(二)對話式AI
    10.1 對話式AI 簡介
    10.2 問題與解答對話系統
    10.3 使用交談語言理解建立語言模型
    10.4 Azure AI 機器人服務
    10.5 自訂問題解答開發實作
    10.6 模擬試題

    第11章 探索自然語言處理(三)語音與翻譯
    11.1 語音辨識與語音合成
    11.2 語音服務功能介紹
    11.3 文字翻譯
    11.4 翻譯服務功能介紹
    11.5 文字翻譯開發實作
    11.6 語音合成開發實作
    11.7 模擬試題

    第12章 Azure 機器學習基本原理
    12.1 機器學習簡介
    12.2 機器學習的工作流程
    12.3 機器學習的模型
    12.4 分類模型
    12.5 迴歸模型
    12.6 叢集模型
    12.7 模擬試題

    第13章 Azure 機器學習實作
    13.1 Azure 機器學習服務簡介
    13.2 Azure 機器學習設計工具的工作流程
    13.3 使用設計工具建立模型
    13.4 使用 Azure 機器學習自動化 ML
    13.5 使用提示流程建立 AI 應用程式
    13.6 模擬試題

    第14章 Azure OpenAI
    14.1 生成式 AI 簡介
    14.2 大型語言模型
    14.3 Azure OpenAI 簡介
    14.4 Copilots 簡介
    14.5 使用提示工程改善生成式 AI 回應
    14.6 Azure OpenAI 生成式 AI 應用程式開發實作
    14.7 模擬試題

    附錄A MCF AI-900 人工智慧基礎國際認證模擬試題

    章节目录

    • 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 Azure AI 視覺
    • 1-9
      1.2.2 Azure AI 語音
    • 1-10
      1.2.3 Azure AI 語言
    • 1-11
      1.2.4 Azure AI 內容安全性
    • 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 認識Colab程式編輯環境
    • 1-22
      3.1 Colab 簡介
    • 1-23
      3.2 安裝 Colab
    • 1-24
      3.3 Colab 環境簡介
    • 1-25
      3.4 編輯第一個 Colab 筆記本
    • 1-26
      3.5 Colab 常用功能
    • 1-27
      Ch04 Gradio 互動式網頁
    • 1-28
      4.1 認識 Gradio
    • 1-29
      4.1.1 Gradio 簡介
    • 1-30
      4.1.2 開發互動式網頁的步驟
    • 1-31
      4.2 Gradio 基本語法介紹
    • 1-32
      4.2.1 Interface 物件的主要屬性
    • 1-33
      4.2.2 Interface 物件的進階屬性
    • 1-34
      4.3 Gradio 常用的輸出入元件
    • 1-35
      4.3.1 Textbox 元件
    • 1-36
      4.3.2 Slider 元件
    • 1-37
      4.3.3 Checkbox 元件
    • 1-38
      4.3.4 CheckboxGroup 元件
    • 1-39
      4.3.5 Radio / Dropdown 元件
    • 1-40
      4.3.6 Image 元件
    • 1-41
      4.3.7 Audio 元件
    • 1-42
      4.3.8 Video 元件
    • 1-43
      Ch05 探索電腦視覺(一)電腦視覺分析
    • 1-44
      5.1 Azure AI 視覺簡介
    • 1-45
      5.2 Azure AI 視覺服務
    • 1-46
      5.3 Azure AI 服務開發環境與必要條件
    • 1-47
      5.4 Azure AI 視覺開發實作
    • 1-48
      5.4.1 影像描述開發步驟
    • 1-49
      5.4.2 影像描述範例實作
    • 1-50
      5.4.3 影像分析開發步驟
    • 1-51
      5.4.4 影像分析範例實作
    • 1-52
      5.5 模擬試題
    • 1-53
      Ch06 探索電腦視覺 (二)OCR 與文件智慧服務
    • 1-54
      6.1 光學字元識別 (OCR)
    • 1-55
      6.1.1 OCR 的使用範例
    • 1-56
      6.1.2 傳統OCR 的辨識流程
    • 1-57
      6.1.3 傳統OCR 與深度學習OCR
    • 1-58
      6.1.4 OCR 的實用案例
    • 1-59
      6.2 Azure AI 視覺服務讀取文字
    • 1-60
      6.3 文件智慧服務和知識採礦
    • 1-61
      6.3.1 文件智慧服務和知識採礦簡介
    • 1-62
      6.3.2 文件智慧服務的建置模型
    • 1-63
      6.4 Azure AI 視覺服務讀取影像文字開發實作
    • 1-64
      6.4.1 讀取url 影像文字開發步驟
    • 1-65
      6.4.2 讀取url 影像文字範例實作
    • 1-66
      6.4.3 讀取本地路徑影像文字範例實作
    • 1-67
      6.5 模擬試題
    • 1-68
      Ch07 探索電腦視覺 (三)臉部服務
    • 1-69
      7.1 臉部辨識服務簡介
    • 1-70
      7.2 臉部偵測
    • 1-71
      7.3 臉部分析
    • 1-72
      7.4 臉部識別
    • 1-73
      7.5 臉部辨識服務開發實作
    • 1-74
      7.5.1 臉部辨識服務開發步驟
    • 1-75
      7.5.2 臉部偵測範例實作
    • 1-76
      7.5.3 臉部屬性分析開發步驟
    • 1-77
      7.5.4 臉部屬性分析範例實作
    • 1-78
      7.6 模擬試題
    • 1-79
      Ch08 探索電腦視覺(四)自訂視覺
    • 1-80
      8.1 自訂視覺簡介
    • 1-81
      8.2 自訂視覺影像分類
    • 1-82
      8.2.1 電腦如何進行影像分類
    • 1-83
      8.2.2 影像分類的用途
    • 1-84
      8.3 在Azure 使用影像分類
    • 1-85
      8.3.1 蒐集相關特性的影像群組
    • 1-86
      8.3.2 建立影像分類功能的自訂視覺服務模型
    • 1-87
      8.4 自訂視覺物件偵測
    • 1-88
      8.5 在Azure 使用物件偵測
    • 1-89
      8.5.1 蒐集相關特性的影像群組
    • 1-90
      8.5.2 建立物件偵測功能的自訂視覺服務模型
    • 1-91
      8.6 自訂視覺範例實作
    • 1-92
      8.6.1 取得偵測影像JSON 字串
    • 1-93
      8.6.2 自訂視覺範例實作(一)-取得偵測影像JSON 字串
    • 1-94
      8.6.3 解析偵測影像JSON 字串訊息
    • 1-95
      8.6.4 自訂視覺範例實作(二)-解析偵測影像JSON 字串
    • 1-96
      8.7 模擬試題
    • 1-97
      Ch09 探索自然語言處理(一)文字分析
    • 1-98
      9.1 自然語言處理簡介
    • 1-99
      9.2 自然語言處理
    • 1-100
      9.3 使用Azure AI 語言服務分析文字
    • 1-101
      9.3.1 Azure AI 語言服務功能
    • 1-102
      9.3.2 語言分析技術
    • 1-103
      9.3.3 Azure AI 語言服務
    • 1-104
      9.4 文字分析開發實作
    • 1-105
      9.4.1 語言偵測範例實作
    • 1-106
      9.4.2 文字情感分析實作
    • 1-107
      9.4.3 關鍵片語擷取實作
    • 1-108
      9.5 模擬試題
    • 1-109
      Ch10 探索自然語言處理(二)對話式AI
    • 1-110
      10.1 對話式AI 簡介
    • 1-111
      10.2 問題與解答對話系統
    • 1-112
      10.2.1 自訂問題解答
    • 1-113
      10.2.2 問題與解答
    • 1-114
      10.3 使用交談語言理解建立語言模型
    • 1-115
      10.4 Azure AI 機器人服務
    • 1-116
      10.5 自訂問題解答開發實作
    • 1-117
      10.5.1 自訂問題解答開發步驟
    • 1-118
      10.5.2 建立與部署自訂問題解答知識庫
    • 1-119
      10.5.3 自訂問題解答實作
    • 1-120
      10.6 模擬試題
    • 1-121
      Ch11 探索自然語言處理(三)語音與翻譯
    • 1-122
      11.1 語音辨識與語音合成
    • 1-123
      11.2 語音服務功能介紹
    • 1-124
      11.2.1 語音轉換文字 API
    • 1-125
      11.2.2 文字轉換語音API
    • 1-126
      11.3 文字翻譯
    • 1-127
      11.3.1 直譯與意譯
    • 1-128
      11.3.2 文字和語音翻譯
    • 1-129
      11.4 翻譯服務功能介紹
    • 1-130
      11.5 文字翻譯開發實作
    • 1-131
      11.5.1 文字翻譯開發步驟
    • 1-132
      11.5.2 文字翻譯範例實作(一)-取得翻譯結果
    • 1-133
      11.5.3 文字翻譯範例實作(二)-翻譯多國語言
    • 1-134
      11.6 語音合成開發實作
    • 1-135
      11.6.1 語音合成開發步驟
    • 1-136
      11.6.2 語音合成範例實作
    • 1-137
      11.7 模擬試題
    • 1-138
      Ch12 Azure 機器學習基本原理
    • 1-139
      12.1 機器學習簡介
    • 1-140
      12.2 機器學習的工作流程
    • 1-141
      12.3 機器學習的模型
    • 1-142
      12.3.1 監督式學習
    • 1-143
      12.3.2 非監督式學習
    • 1-144
      12.3.3 半監督式學習
    • 1-145
      12.3.4 增強學習
    • 1-146
      12.4 分類模型
    • 1-147
      12.4.1 分類模型簡介
    • 1-148
      12.4.2 分類模型常用的演算法
    • 1-149
      12.4.3 評估分類模型常用的指標
    • 1-150
      12.5 迴歸模型
    • 1-151
      12.5.1 迴歸模型簡介
    • 1-152
      12.5.2 迴歸模型常用的演算法
    • 1-153
      12.5.3 評估迴歸模型常用的指標
    • 1-154
      12.6 叢集模型
    • 1-155
      12.6.1 叢集模型簡介
    • 1-156
      12.6.2 叢集歸模型常用的演算法
    • 1-157
      12.7 模擬試題
    • 1-158
      Ch13 Azure 機器學習實作
    • 1-159
      13.1 Azure 機器學習服務簡介
    • 1-160
      13.1.1 Azure 機器學習服務
    • 1-161
      13.1.2 Azure 機器學習方案的生命週期
    • 1-162
      13.1.3 使用 Azure ML 設計工具開發模型流程
    • 1-163
      13.1.4 如何建立 Azure 機器學習服務工作區
    • 1-164
      13.2 Azure 機器學習設計工具的工作流程
    • 1-165
      13.2.1 Azure 機器學習設計工具功能
    • 1-166
      13.2.2 Azure 機器學習設計工具環境
    • 1-167
      13.2.3 Azure 機器學習的管線簡介
    • 1-168
      13.2.4 使用設計工具建立模型管線的工作流程
    • 1-169
      13.3 使用設計工具建立模型
    • 1-170
      13.3.1 資料集結構介紹
    • 1-171
      13.3.2 建立迴歸模型操作步驟
    • 1-172
      13.4 使用 Azure 機器學習自動化 ML
    • 1-173
      13.4.1 資料集結構介紹
    • 1-174
      13.4.2 自動化 ML 操作步驟
    • 1-175
      13.4.3 檢視自動化 ML 結果
    • 1-176
      13.5 使用提示流程建立 AI 應用程式
    • 1-177
      13.5.1 建立提示流程
    • 1-178
      13.5.2 測試提示流程
    • 1-179
      13.5.3 修改提示流程
    • 1-180
      13.6 模擬試題
    • 1-181
      Ch14 Azure OpenAI
    • 1-182
      14.1 生成式 AI 簡介
    • 1-183
      14.2 大型語言模型
    • 1-184
      14.3 Azure OpenAI 簡介
    • 1-185
      14.4 Copilots 簡介
    • 1-186
      14.5 使用提示工程改善生成式 AI 回應
    • 1-187
      14.6 Azure OpenAI 生成式 AI 應用程式開發實作
    • 1-188
      14.6.1 Azure OpenAI 應用程式開發步驟
    • 1-189
      14.6.2 Azure OpenAI 模型部署與測試
    • 1-190
      14.6.3 QA 聊天機器人範例實作
    • 1-191
      14.6.4 飯店客服機器人範例實作
    • 1-192
      14.6.5 Azure OpenAI 影像生成範例實作
    • 1-193
      14.7 模擬試題
    • 1-194
      附錄A MCF AI-900 人工智慧基礎國際認證模擬試題
    • 1-195
      版權頁
    • 1-196
      封底頁

    常见问答

    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。

    猜你喜欢

    用户评价

    | 收集中

    销售方案