向AI贏家學習 日本26家*企業最強深度學習活用術 人工智慧創新專案致勝的關鍵思維 港台原版 日經xTREND 臉譜
向AI贏家學習 日本26家*企業最強深度學習活用術 人工智慧創新專案致勝的關鍵思維 港台原版 日經xTREND 臉譜
商 城 價
降價通知
市 場 價
累計評價0
累計銷量3
手機購買
商品二維碼
服務
中華商務圖書專營店 發貨並提供售後服務。
可用積分
可用 1500
贈送積分
75
數量
庫存  個
温馨提示

疫情期間,物流耗時較長。不支持退換貨服務。

因產品包裝更換頻繁,實物與圖片可能有差異,請以實物為準。
收貨地址為住宅時,部分快遞公司會額外收取住宅配送附加費:20港幣/單。

5.00
商品評價 5
服務態度 5
發貨速度 5
21210180
  • 商品詳情
  • 用户評論(0
  • 網友討論圈
手機購買
商品二維碼
加入購物車
價格:
數量:
庫存  個

商品詳情

商品名稱:向AI贏家學習 日本26家*企業最強深度學習活用術 人工智慧創新專案致勝的關鍵思維 港台原版 日經xTREND 臉譜
商品編號:OP039345
店鋪:中華商務圖書專營店
【書名】:向AI贏家學習 日本26家*企業最強深度學習活用術 人工智慧創新專案致勝的關鍵思維 港台原版 日經xTREND 臉譜
【國際標準書號ISBN】:9789862358948
【作者】:日經xTREND
【出版社】:臉譜
商品詳情

《向AI贏家學習!:日本26家頂尖企業最強「深度學習」活用術,人工智慧創新專案致勝的關鍵思維》

作者:日經xTREND

譯者:葉韋利

出版社:臉譜

出版日期:2021-01-07

語言:繁體中文

ISBN:9789862358948

叢書系列:科普漫遊

規格:平裝 / 300頁 / 21 x 14.8 x 1.6 cm / 普通級 / 單色印刷

出版地:中國台灣

本書分類:商業理財> 經濟/趨勢> 觀念/趨勢

本書分類:電腦資訊> 概論/科技趨勢> 人工智慧/機器學習

(頁面參數僅供參考,具體以實物為準)

 

內容簡介

日本「深度學習商業運用大獎」首屆得獎專案全收錄!

 

*影響力的日本財經媒體之一《日本經濟新聞社》集團日經BP旗下日經xTREND與日經xTECH主辦

 

Kewpie、NTT DOCOMO、日本煙草產業、軟體銀行、SMBC日興證券、三菱總合研究所、日本交易所……

26家頂尖企業最成功的AI戰略直擊,多領域豐富案例完整解析

 

日本AI書籍第一人、東京大學鬆尾豐教授深入剖析「以深度學習提高附加價值」的關鍵議題

 

AI改變世界之勢已不可擋,*的機會在哪裡、最強的威脅是什麼,

擺脱技術層面的思考,以人為本,預見戰略全面革新的美麗新世界!

 

★用AI監測網紅灌水,開發最直接有效的創意手法!

★用AI預測股價走勢通知賣出時機,10倍報酬潛力可期!

★用AI自動寫文章,財務報表數據製作成完美説明文書!

★用AI打造最強球隊,開創轉會市場無限商機!

 

█ 深度學習只是計算處理技術,人工智慧不過是概念名稱,瞭解它的本質,才能掌握人工智慧真正的潛力!

 

深度學習確實已經融入商業面,開始運用於各種產品和服務。

有些公司因此提升了業績,也有些公司進而解決了社會課題,

本書深入介紹這些最先進的實際案例從發想、成形到實踐的過程。

 

書中具體剖析含括「深度學習商業運用大獎」獲獎六項計畫在內的26個案例,

將運用深度學習的效益分為四大類。

 

▌改變產品開發流程和產業結構:介紹藉由運用深度學習改變產品開發或行銷方式的案例,統整出通路領域製造商、批發、零售勢力平衡出現變化時的具體策略

▌因應消費者的需求:介紹想要找到附近便宜的加油站或可用的停車位、投資股票讓獲利翻倍時,如何因應需求解決問題

▌改革勞動方式:介紹藉由深度學習代替人工作業後,推動附加價值更高的勞動型態實際案例

▌偵測錯誤和異常,解決社會課題:介紹以攝影機和深度學習技術來偵測不法與虛假資訊、以低價實現高準確率的*技術

 

26家見解獨到的企業揭示有效運用AI的共通點,

全方位檢視實戰現場第一手觀點、開發規畫人員戰術思維、實踐成果體驗分析,

為各領域規模、目標各異的組織和人士,提供在這個空前時代開創新局的實用指南。

 

█ 深度學習實踐案例全收錄

 

01 「AI食品原料檢查設備」,逆轉思維確保食安

02 「包裝設計喜好度評估預測AI服務系統」,徹底改變市調作業

03 從水處理到巧克力,流體動態影片與靜態影像辨識大不同

04 自動辨識貨架商品建議配置,改變製造商、批發、零售的角力

05 從改善生產流程到改善製造業,提升人工目測檢查效率

06 用深度學習掌握超商香煙陳列,以競賽作為獲得新技術的工具

07 分析餐廳暢銷菜單,開發外食數據標註技術

08 數據化強化選手戰力、分析球隊效益,訓練強度定量化

09 AI即時自動模糊加工處理,5G時代不只是通訊的多樣化服務

10 從日常對話到跨國商務,運用深度學習自動翻譯降低語言門檻

11 連結現實與數位,找便宜加油站、停車空位輕鬆搞定

12 「AI股票投資組合診斷」協助投資,讓資產變十三倍

13 重現熟練操作員的雙眼,提高五倍垃圾處理效率

14 自動排除幼兒「NG照片」,解決幼兒園照護課題

15 餐廳自動結帳系統因應人力不足問題,讓氣氛更輕鬆活絡

16 辨識貨車車牌影像,縮短物流據點等候貨物時間

17 讀取財務報表數字自動製作報告書,實現高準確率自動化智庫

18 偵測駕駛習慣和風險因子,以資訊科技減少交通事故

19 AI與機器的「拉鋸戰」,食品加工製造生產線另闢蹊徑的智慧

20 自動讀取加工設計圖面,解決產業嚴重人力不足問題

21 以原有強項為基礎,建立低單價累積長程獲利的商業模式

22 運用深度學習新手法更精確預測降雨,不用超級電腦即可完成

23 全球首創運用深度學習偵測證交所不當交易,假買賣無所遁形

24 用AI揭發網路名人不法行為,揪出灌水的網紅追蹤者人數

25 從眼底影像解讀健康狀況,設備的資料加工化為商機

26 超低價深度學習系統,運用邊緣裝置實現高準確率人臉認證

 

作者簡介

日經xTREND日経クロストレンド

新興市場創業人的數位策略媒體。針對正在開發企業新業務、致力行銷相關業務者,每天提供包括行銷、消費、技術、資料、創新、中國、美國、技能提升等領域的*相關實務資訊。

 

相關著作:《深度學習的商戰必修課:人工智慧實用案例解析,看35家走在時代尖端的日本企業如何翻轉思考活用AI》

 

目錄

前言

 

【第一章 以深度學習來提高附加價值應該這樣獲利──專訪日本深度學習協會理事長鬆尾豐】

 

僅減少人事費用還不夠,必須創造新的價值╱要帶來改變產業結構的衝擊╱做好心理準備,費時二十年才能建立大型商業規模╱與一九九八年的網路發展如出一轍╱Mosaic與SuperVision╱對電晶體而言的收音機,相當於深度學習的……╱二○二○年人工智慧泡沫崩盤?╱對人工智慧投入的心力,與孫正義的共同點╱將需求端與供給端分開考量╱住家、辦公室、醫院等「依賴場所」的考量╱對供給端的要求是提高效率╱深度學習也有微笑曲線?╱未來靠人工智慧賺錢的不是軟體部門

 

【第二章 改變產品開發流程和產業結構】

 

Kewpie

促進協作領域技術整合,守護日本品牌╱學習良品的原料排除不良品的逆轉思維╱「Google、BrainPad自始至終給予支援」╱照明等實體上的微調,將成為人工智慧的情境╱使用人工智慧時要秉持「理念與決心」

 

PLUG

幾分鐘就能計算出喜好度的分析結果╱如何判斷人工智慧分析結果的可信度?╱運用擁有的資料和分析獲得的知識,自家公司開發人工智慧系統╱也可以進行「美味」、「可愛」等要因分析

 

AnyTech

化學感測器並非萬無一失╱以流體專家之姿接觸深度學習技術╱從飲料到巧克力╱動態影片與靜態影像截然不同╱從水處理設施檢測異常開始使用╱「設定的市場規模為一兆兩千億日圓」夢想遠大╱希望改善中國的食品衞生

 

NTT DOCOMO

已有數間公司使用╱尺寸不一的商品辨識準確率是待解課題╱運用行動電話用户資料的貨架配置建議╱電子商務比例雖然提高,零售店鋪仍不可少

 

藤倉 Fujikura

路線圖中處理的資訊包括「影像」、「數值.符號」、「控制」、「語言.概念」╱「以人工智慧平台作為製造業的改革基礎」╱路線圖的第一步,提升過去人工目測的檢查業務效率╱雷射二極體晶片批次檢查也可自動化╱既有的物體偵測手法處理費時又費工╱將物體偵測與異常檢測區分為兩階段╱試算經濟效益後判斷導入

 

日本煙草產業 JT

以人工智慧作為煙草事業本部的數位解決方案╱將競賽當作工具獲得*技術╱連沒有要求的即時性也達成了╱第一名得主獎金一百二十萬日圓

 

多留客 Toreta

將流通業的商品碼「移植」到外食領域╱食物標註的準確率超過百分之九十╱以外食資料催生食品商品開發

 

運動科技實驗室 Sports Technology Lab

短時間內完成人工作業超過八小時的情境分析╱與運動資料事業單位合作,分析球員動態資料╱從二十二人的座標資料和骨骼分析資訊將賽事定量化╱留住人才和資料是個難題╱當作全球轉會市場的工具來使用,商機無限

 

軟體銀行 SoftBank

以模糊影像加工處理來確保隱私╱以Edge AI實現即時性╱縮短到八十毫秒╱以5G×深度學習拓展應用領域

 

【第三章 因應消費者的需求】

 

樂天 Rakuten

豐富的正確「句對」是自動翻譯的重點╱在新加坡開發模型並運用新技術╱自動翻譯在樂天各項服務中橫向發展╱未來展望將即時翻譯與語音辨識結合

 

日本雅虎 Yahoo! JAPAN

運用深度學習將實體資訊數位化╱以一百三十輛物流車在街道上「抓取」╱使用不同的模型來提高準確率╱邁向普及實用化,課題也逐漸明確╱一天獲得兩次資料稱不上即時

 

SMBC日興證券 SMBC Nikko Securities Inc.

以排名方式預測一個月後的預期收益╱以過去的資料測試,總資產變成一二點九九倍╱深度學習擅長掌握非線性

 

【第四章 改革勞動方式】

 

荏原環境設備 Ebara Environmental Plant

汙泥、樹枝、裝袋垃圾,由操作員目測選別╱直覺是隻能靠深度學習╱重現熟練操作員的雙眼╱以實地測試來驗證實用性╱二○一九年春季接受新訂單推動橫向發展

 

Unifa

提升業務效率當然也有助於減輕園內老師的精神負擔╱用十七萬筆資料來學習,試誤中摸索模型開發╱分類NG照片提升準確率╱為了進一步提高準確率也著手改善模型

 

NTT DATA Getronics

以深度學習來解決員工餐廳面臨的社會課題╱運用RFID必須使用塑膠餐具╱餐具的資料「不足」╱採用MobileNet-SSD╱只選擇「當日使用的餐具」提升準確率╱雲端搭配邊緣裝置可拓展結帳之外的業務領域╱作為辦公室解決方案廣泛提案的「宣傳招式」

 

Monoful

「等候時間漫長」是貨車駕駛面對的現實╱以選配方式提供人工智慧攝影機自動記錄貨車進入倉庫的狀況╱調整裝設位置、髒汙、車牌角度

 

三菱總合研究所 Mitsubishi Research Institute

與北京大學共同研究╱體驗「寫文章」的難度╱使用大約兩萬筆財務資料和説明文件的資料集來學習╱人工智慧撰寫的文章即使有一處修改,仍然「可用」╱學習資料幾千筆就「飽和」

 

DeNA

交通事故多半是人為疏失,以資訊科技來協助改善駕駛行為╱人工檢視行車記錄器相當費工╱以深度學習辨識影像,結合危險行為的偵測邏輯來判定╱人工智慧開發與資料科學家的組合╱實測減少事故效果*達百分之四十八,提供七種危險情境偵測商用服務

 

石田 ISHIDA

一開始根本夾不住╱機械能做到的事與人工智慧能做到的事展開拉鋸戰╱藉由類神經處理進一步提高準確率╱將人力轉向更需要創意的工作╱食材中以義大利麵難度最高

 

AVILEN

如何分析格式不一的圖面?╱使用U-Net學習六千份圖面╱持續拓展人工智慧在鐵材加工上的運用╱重視瞭解人工智慧的*技術

 

【第五章 偵測錯誤和異常,解決社會課題】

 

理光 RICOH

想實踐「理光風格」╱用攝影機與深度學習來偵測路面老化╱國土交通省期待的新技術╱「龜裂率」、「車轍量」、「平坦度」三項因素╱光與影的課題,將人工作業驟減到百分之二╱通過性能確認測試「掛保證」之後邁向正式服務╱性能確認測試合格是讓地方政府引進的「保證」╱單價低廉、累積長程來獲利的商業模式╱也受理監測七百至八百公里長距離的大型案件

 

日本氣象協會 Japan Weather Association

想取得更詳細的資料╱以三維的時間與空間來打造深度學習模型╱以降尺度手法減少與實際降雨量的落差╱也適用於更詳細的降尺度資料或其他指南╱未來深度學習會像Excel這類工具一樣方便好用

 

日本交易所自主規製法人 Japan Exchange Regulation

人工智慧支援初期調查╱提升人工智慧準確率的關鍵在於審查人員的見解╱人工智慧是否能帶來新的提示?

 

misosil

社羣網站效果測試服務採用機器學習╱可達到人工判斷「正確答案」的約九成,由自家公司開發╱達到人工超過九成的準確率╱不當行為的分佈依商品和領域而異

 

拓普康 TOPCON

海外運用眼底影像的案例╱費神的眼底影像註記作業╱「感測人工智慧」將資料加工成人工智慧方便使用的形式╱運用Edge AI建立個人健康管理系統

 

Ollo

即使戴著口罩仍能從側臉進行人臉認證╱認證測試正確率百分之九十九點八一╱以小容量資料傳輸,安全又便利╱導入*論文的技術來加快速度╱初期費用三萬日圓,月費三萬日圓非常便宜╱期許拓展深度學習的應用範圍

 

【第六章 瞭解尖端技術的動向】

 

生成對抗網路相關論文數量至二○一八年底在兩年內多了超過十倍

 

技術進程

劃時代論文〈深度信念網路的一種快速學習演算法〉╱在影像辨識領域延伸至商業範疇

 

協助具創造性的生成對抗網路

進入正式的開發競爭╱並用兩套類神經網路,自動生成接近真實的資料╱StyleGAN與GauGAN也登場╱支援平面設計創意人

 

提升學習和註記等費工作業的效率

自行判斷來「學習」╱從單色影像推測彩色影像╱「自動加註標籤」的研究也加速了

 

應用於圖結構的GNN、應用於自然語言處理的BERT備受矚目

圖結構為社羣網站、運輸網和分子結構分析開拓道路╱Google的BERT在自然語言處理上有重大突破

 

結語

 

附錄 專有名詞縮寫對照表

100 好評率 %
此商品還沒有設置買家印象,陪我一起等下嘛
暫無評價
對比欄

1

您還可以繼續添加

2

您還可以繼續添加

3

您還可以繼續添加

4

您還可以繼續添加