06-09-敏捷-⽤户需求分解指南-V1.0 10. 06-10-系统分析设计指南V1.0 11. 06-11-项⺫定价指南V1.0 12. 06-12-业务设计和开发指导指南V1.0 13. 06-13-⽤户故事写作指南-V1.0 14. 06-14-⽤户体验设计指南V1.0 15. 06-15-质量标准指南-⾮功能性V1.0 16. 06-16-微服务模块分析指南1.0 操作⼿册(16) 1. 08-01 06-09-敏捷-⽤户需求分解指南-V1.0 10. 08-10-JIRA操作⼿册 11. 06-11-项⺫定价指南V1.0 12. 06-12-业务设计和开发指导指南V1.0 13. 06-13-⽤户故事写作指南-V1.0 14. 06-14-⽤户体验设计指南V1.0 15. 06-15-质量标准指南-⾮功能性V1.0 16. 06-16-微服务业务设计指南 规范(15) 1. 05-01-Android开发规范V1

共同获得了2018年计算机科学的最高奖项 ——ACM图灵奖。 深度学习界的执牛耳者 Andrew Ng 中文名吴恩达，斯坦福大学副教 授，前“百度大脑”的负责人与百 度首席科学家。 6 李航, 现任字节跳动科技有限公司人 工智能实验室总监，北京大学、南京 大学客座教授，IEEE 会士，ACM 杰 出科学家，CCF 高级会员。 代表作：《统计学习方法》 国内泰斗 周志华，南京大学计算机科学与技 术系主任 深度学习入门-图像分割 18 自然语言处理（Natural Language Processing）是一门通过建 立形式化的 计算模型来分析、理解和处理自然语言的学科，也是 一门横跨语言学、计算 机科学、数学等领域的交叉学科。自然语 言处理，是指用计算机对自然语言 的形、音、义等信息进行处理 ，即对字、词、句、篇章的输入、输出、识别、 分析、理解、生 成等的操作和加工。自然语言处理的具体表现形式包括机器 两个流程，包括自然语言理解和自然语言生成 ，自然语言理解是让计算机把 输入的语言变成有意思的符号和关 系，然后根据目的再处理；自然语言生成 则是把计算机数据转 化为自然语言。实现人机间的信息交流，是人工智能 界、计算 机科学和语言学界所共同关注的重要问题。 自然语言处理技术的技术层次 自然语言处理技术的发展历程 语音分析 词法分析 句法分析 语用分析 语义分析 20世纪70年代 • • 理性主义方法 基于统计的方法

共同获得了2018年计算机科学的最高奖项 ——ACM图灵奖。 机器学习界的执牛耳者 Andrew Ng 中文名吴恩达，斯坦福大学副教 授，前“百度大脑”的负责人与百 度首席科学家。 6 李航, 现任字节跳动科技有限公司人 工智能实验室总监，北京大学、南京 大学客座教授，IEEE 会士，ACM 杰 出科学家，CCF 高级会员。 代表作：《统计学习方法》 机器学习界的国内泰斗 周志华，南京大学计算机科学与技 术系主任 ⚫Pandas ⚫SciPy ⚫Matplotlib ⚫Scikit-learn Python模块 59 Python模块-NumPy ⚫NumPy NumPy是一个用Python实现的科学计算的扩展程序库，包括： 1、一个强大的N维数组对象Array； 2、比较成熟的（广播）函数库； 3、用于整合C/C++和Fortran代码的工具包； 4、实用的线性代数、傅里叶变换和随机数 配合使用更加方便。 NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、 矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融 公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些 本来使用C++，Fortran或Matlab等所做的任务。 60 Python模块-NumPy 切片 61 Python模块-NumPy

. . . . . . . . . . . . . . . . . . . 767 Bibliography 769 xv xvi 前言 几年前，在大公司和初创公司中，并没有大量的深度学习科学家开发智能产品和服务。我们中年轻人（作者） 进入这个领域时，机器学习并没有在报纸上获得头条新闻。我们的父母根本不知道什么是机器学习，更不用 说为什么我们可能更喜欢机器学习，而不是从事医学或法律职 压抑的大收件箱中解放出来。在围棋等棋类游戏中，软件超越了世界上最优秀的人，这曾被认为是几十年后 的事。这些工具已经对工业和社会产生了越来越广泛的影响，改变了电影的制作方式、疾病的诊断方式，并 在基础科学中扮演着越来越重要的角色——从天体物理学到生物学。 关于本书 这本书代表了我们的尝试——让深度学习可平易近人，教会人们概念、背景和代码。 1 一种结合了代码、数学和HTML的媒介 任何一种 起来。有时会让读者对如何实现它们一无所知。此外，太多的资源隐藏在商业课程提供商的付费壁垒后面。 我们着手创建的资源可以：（1）每个人都可以免费获得；（2）提供足够的技术深度，为真正成为一名应用机 器学习科学家提供起步；（3）包括可运行的代码，向读者展示如何解决实践中的问题；（4）允许我们和社区 的快速更新;（5）由一个论坛2作为补充，用于技术细节的互动讨论和回答问题。 这些目标经常是相互冲突的。公

人工智能 人工智能是让机器获得像人类一样具有思考和推理机制的智能技术，这一概念最早出 现在 1956 年召开的达特茅斯会议上。这是一项极具挑战性的任务，人类目前尚无法对人脑 的工作机制有全面、科学的认知，希望能制造达到人脑水平的智能机器无疑是难于上青 天。即使如此，在某个方面呈现出类似、接近甚至超越人类智能水平的机器被证明是可行 的。 怎么实现人工智能是一个非常广袤的问题。人工智能的发展主要经历了三个阶段，每 总 结、归纳出一些逻辑规则，并将逻辑规则以计算机程序的方式实现，来开发出智能系统。 但是这种显式的规则往往过于简单，并且很难表达复杂、抽象的概念和规则。这一阶段被 称为推理期。 1970 年代，科学家们尝试通过知识库加推理的方式解决人工智能，通过构建庞大复杂 的专家系统来模拟人类专家的智能水平。这些明确指定规则的方式存在一个最大的难题， 就是很多复杂、抽象的概念无法用具体的代码实现。比如人类对图片的识别、对语言的理 1.2 神经网络发展简史 5 图 1.6 Frank Rosenblatt 和 Mark 1 感知机① 图 1.7 Mark 1 感知机网络结构② 1969 年，美国科学家 Marvin Minsky 等人在出版的《Perceptrons》一书中指出了感知 机等线性模型的主要缺陷，即无法处理简单的异或 XOR 等线性不可分问题。这直接导致 了以感知机为代表的神经网络的相关研究进入了低谷期，一般认为

& 日志流 VMware Greenplum® VMware Tanzu Data Science Services 数据仓库 & 大数据平台 分布式内存计算网格 所需而变得的人工智能与数据科学 • 结对编程 • 敏捷交付 VMware Data Services Manager Control Plane RDBMS Message Broker Memory Cache massively Storages 各种数据平台 结构化 & 半结构化数据 ETL , Streaming SQL, R, Python, Java,C... BI/Analytic/ML ... 数据科学 数据捕获 GPORCA 优化器 | 并行执行 | 数据分布 | 多态存储 | 库内分析 数据可视化 VMware Greenplum 综合的分析型数据仓库 © VMware GemFire

络稳定性判断。 离散Hopfield神经网络模型 1T 2T IT N T … … 1x 2x ix nx 7 1.人工神经网络发展历史 1986年，Rumelhart和 McClelland为首的科学家提出了 BP（Back Propagation）神经 网络的概念，是一种按照误差逆 向传播算法训练的多层前馈神经 网络，目前是应用最广泛的神经 网络。 BP神经网络模型 1h v 输入层 能够自适应、自主学习。BP可以根据预设 参数更新规则，通过不断调整神经网络中的参 数，已达到最符合期望的输出。 2.拥有很强的非线性映射能力。 3.误差的反向传播采用的是成熟的链式法则， 推导过程严谨且科学。 4.算法泛化能力很强。 缺点： 1.BP神经网络参数众多，每次迭代需要更新 较多数量的阈值和权值，故收敛速度比较慢。 2.网络中隐层含有的节点数目没有明确的准则 ，需要不断设置节点数字试凑，根据网络误差

应用和分布式中间件容器化部署 华为CCE产品成熟度高，容器化经验丰富，在大企业、游戏、生物基因、科学计算、金融、媒资、能源、旅游等领域有2+年成熟商用实践 内部实践：流程IT系统、网管系统、消费者云VMALL商城、CCE服务后台管理面等都基于容器化改造，稳定商用 外部客户：大众、欧洲原子能科学计算云、咪咕互娱、广东农信、管家婆、图灵生物、蓝鲸传媒、龙渊科技、复华文旅、新奥等。 华为容器服务

大变好，有时候只需要几十轮，分类正确率就能达到百分之百（相比于以前训练 1000 轮才能到百 分之 90，好了太多）： 本节代码见 chapter4-4.py。 4.5 总结 历时不到三天的业余时间完成了这本小书的计划和写作，从叙述的详细程度和阅读学习的简 单性而言，还是比较符合我的预期的。 本来这部入门小书的原名叫做《卷积网络实战》，但我思考再三，感觉卷积网络不应该作为入 28 4.5. 总结 门来学习的神经