從0到1：人工智能賦能商業的秘密 Zero to AI: A Non-Technical, Hype-Free Guide to Prospering in the AI Era

確定人工智能可能從哪些方面幫助企業設計人工智能策略 評估項目範圍和業務影響 利用人工智能來提高轉化率、編排內容以及分析反饋 理解當代人工智能如何運作以及人工智能可以/不可以做什麽

Gianluca Mauro是一名企業家、工程師，是專注於提供人工智能培訓和諮詢的AI Academy公司的聯合創始人。
Gianluca熱衷於通過寫作以及在全球各地舉辦講座和主題演講(受眾包括企業高管乃至高中生)，來傳播人工智能技術。

Nicolò Valigi是蘋果公司的機器學習工程師，是AI Academy公司的聯合創始人。
Nicolò目前致力於研究自動駕駛汽車和無人機的算法，以迎接機器人革命的

第I部分理解人工智能
第1 章人工智能概況 3
1.1 當代人工智能發展之路 4
1.2 人工智能革命的引擎：機器學習 7
1.3 人工智能究竟是什麼？9
1.4 教學方法12
1.5 本章小結13

第2 章將人工智能應用於核心業務數據15
2.1 在核心業務數據領域佈局人工智能16
2.2 在核心業務數據中使用人工智能18
2.2.1 房地產市場示例18
2.2.2 為FutureHouse賦予人工智能21
2.2.3 機器學習的優勢26
2.2.4 將人工智能應用於通用核心業務數據28
2.3 案例研究30
2.3.1 谷歌如何利用人工智能削減能源開支30
2.3.2 Square如何利用人工智能向小企業貸款數十億美元35
2.3.3 案例研究課程39
2.4 評估性能和風險40
2.5 本章小結43

第3 章將人工智能應用於營銷45
3.1 為什麼要用人工智能進行銷售和營銷？45
3.2 預測客戶流失47
3.3 利用人工智能提高轉化率和追加銷售52
3.4 執行自動化客戶細分55
3.4.1 無監督學習(或聚類) 56
3.4.2 用於客戶細分的無監督學習61
3.5 衡量性能64
3.5.1 分類算法64
3.5.2 聚類算法68
3.6 將機器學習標準與業務結果和風險聯繫起來69
3.7 案例研究72
3.7.1 改進目標定位的人工智能：Opower 72
3.7.2 運用人工智能預測客戶需求：Target 78
3.8 本章小結81

第4 章將人工智能應用於媒體83
4.1 用計算機視覺改進產品84
4.2 將人工智能應用於圖像分類88
4.3 使用小數據集的遷移學習93
4.4 人臉識別：教計算機識別人類95
4.5 使用內容生成和風格遷移98
4.6 注意事項101
4.7 人工智能在音頻領域的應用102
4.8 案例研究：運用深度學習優化農業104
4.8.1 案例問題108
4.8.2 案例討論108
4.9 本章小結110

第5 章將人工智能應用於自然語言111
5.1 自然語言理解的魅力112
5.2 分解NLP：衡量複雜性113
5.3 將NLP功能應用於企業117
5.3.1 情感分析121
5.3.2 從情感分析到文本分類124
5.3.3 NLP分類項目範圍界定128
5.3.4 文檔檢索130
5.3.5 自然對話132
5.3.6 設計克服技術限制的產品136
5.4 案例研究：Translated 138
5.4.1 案例問題142
5.4.2 案例討論143
5.5 本章小結145

第6 章將人工智能應用於內容管理和社區建設147
6.1 選擇的詛咒148
6.2 使用推薦系統驅動參與度148
6.2.1 基於內容的系統超越簡單特徵153
6.2.2 特徵和相似性的限制156
6.3 群體智慧：協同過濾157
6.4 推薦錯誤160
6.5 案例分析：Netflix每年節省10億美元162
6.5.1 Netflix的推薦系統162
6.5.2 推薦系統和用戶體驗165
6.5.3 推薦的業務價值166
6.5.4 案例問題167
6.5.5 案例討論167
6.6 本章小結168

第Ⅱ部分構建人工智能
第7 章準備好尋找人工智能機會173
7.1 不要被炒作所迷惑：業務驅動的人工智能創新174
7.2 創造：尋找人工智能機會179
7.3 優先級：評估人工智能項目183
7.4 驗證：分析風險187
7.5 解構人工智能產品191
7.6 將人工智能項目翻譯成機器學習友好型術語196
7.7 練習201
7.7.1 提高客戶定位202
7.7.2 工業過程自動化204
7.7.3 幫助客戶選擇內容205
7.8 本章小結207

第8 章設置——準備數據、技術和人員209
8.1 數據策略210
8.1.1 我從哪裡得到數據？211
8.1.2 我需要多少數據？217
8.2 數據質量221
8.3 招募人工智能團隊225
8.4 本章小結230

第9 章實踐——人工智能實施策略231
9.1 購買或構建人工智能231
9.1.1 “購買”選項：一站式解決方案233
9.1.2 “借用”選項：機器學習平台235
9.1.3 “構建”選項：大干一場237
9.2 使用精益戰略239
9.2.1 從購買解決方案開始241
9.2.2 使用借用解決方案243
9.2.3 自己動手：構建解決方案244
9.3 理解人工智能的良性循環246
9.4 管理人工智能項目252
9.5 當人工智能失敗時254
9.5.1 Anki 255
9.5.2 Lighthouse AI 255
9.5.3 應用於腫瘤治療的IBM Watson 256
9.5.4 情感日記258
9.5.5 憤怒的電話259
9.5.6 銷售業績不佳260
9.6 本章小結261

第10 章人工智能的未來263
10.1 人工智能如何威脅社會264
10.1.1 偏見與公平264
10.1.2 人工智能與就業267
10.1.3 人工智能過濾器氣泡270
10.1.4 當人工智能失敗時：邊角案例和對抗攻擊272
10.1.5 當人工看起來真實時：人工智能生成的虛假內容274
10.2 人工智能在社會中的機遇275
10.2.1 技術民主化275
10.2.2 可擴展性277
10.3 人工智能在工業領域的機遇278
10.3.1 社交媒體網絡279
10.3.2 醫療健康280
10.3.3 能源284
10.3.4 製造業285
10.3.5 金融287
10.3.6 教育288
10.4 通用人工智能289
10.5 結語290
10.6 本章小結291