人工智能实践第一部分:借助人工智能的强大功能创建应用

面向软件开发人员、数据科学家和数据中心经理的教程系列

备受关注的人工智能 (AI)、机器学习和深度学习领域的进步正变革软件。资深的技术巨头和新兴的创业公司都在以新的方式应用人工智能技术,如自动驾驶汽车、虚拟个人助理、新药研发或金融市场趋势的预测。应用的范围很广,但是和未来的趋势相比只是冰山一角。

在本教程系列中,人工智能、机器学习和深度学习专家通过展示如何利用人工智能的强大功能创建应用,帮助您了解人工智能工具、基础设施和技术。

人工智能的实际应用

以自动化电影制作应用为例,您将面临两个充满挑战的人工智能基本问题:图像分类和序列预测。您将了解如何使用面向图像识别的卷积神经网络,即输入一系列图像后该网络自动检测图像中的情绪。接下来,您将利用循环神经网络在算法上合成一段旋律,为图像中的情绪配乐。最终的输出为包含电脑生成配音的完整电影。

Diagram of AI music to emotion translation

通过该系列,我们将介绍各种人工智能概念以及支持深度神经网络的英特尔® 架构。我们将展示如何利用英特尔现代技术简化人工智能应用编码流程,这些技术包括:

  • 英特尔® 数据分析加速库(英特尔® DAAL)
  • 英特尔® 数学核心函数库(英特尔® MKL)
  • Caffe* 的英特尔® 分发版
  • TensorFlow* 深度学习框架

我们回顾了人工智能开发流程的主要阶段:构思、团队组建、数据收集和存储、模型开发和评估以及部署。我们还对比了各种人工智能算法和框架、数据中心和云基础设施选项,评估了所有的关键判定点,和您在应用中采用的评估方法相同。

必备技能

教程假设读者掌握中级 Python* 编程语言知识、基本线性代数知识、基本统计学知识和基本概率论知识,并能熟练使用 GitHub*。即使您不具备上述技能,也可以注册,通过复制我们分享的源代码和环境,创建自己的人工智能应用,轻松跟上我们的进度。非技术类读者可详细了解如何开发人工智能应用。我们还为您全面揭秘 Docker* 容器、Keras* 神经网络 API、面向机器智能的 TensorFlow* 软件库以及 Caffe* 深度学习网络。

目标受众

鼓励所有用户使用该教程,但是主要面向以下专业人士:

  • 数据科学家 - 面向想要熟练掌握英特尔深度学习和人工智能软件堆栈,并在实际应用中查看英特尔人工智能技术的数据科学家
  • 软件开发人员 - 面向想要通过实践教程快速入门机器学习和深度学习的软件开发人员
  • 产品或数据中心经理 - 面向想要体验一流的全新英特尔人工智能技术并向专家学习如何创建人工智能项目以提高成功机率的产品或数据中心经理

系列概述

完整的人工智能实践教程系列共分为 5 个阶段。每个阶段包含多个重点:

  • 构思:定义共同目标、数据源、技术限制、团队和战略规划,并启动项目。
  • 数据:了解如何收集、分析、预处理和注释数据。
  • 技术:浏览各种框架,选择符合项目需求和长期目标的框架,寻找可用的数据中心或云计算选项,以满足您的计算需求。
  • 模型:学习如何设置实验基础设施,选择模型,训练模型并将模型迭代到您满意的程度。
  • 应用:将配备了易于使用的 web 接口的模型投入生产(适用于面向用户的智能应用)。

 

人工智能实践教程 ›

第一部分:利用人工智能的强大功能创建应用
第二部分:构思
 

 

如欲获取更多实用资源,请访问英特尔® Nervana™ 人工智能研究院。

有关编译器优化的更完整信息,请参阅优化通知