人工智能开发实践：云端机器学习导论（英文版）

　　《人工智能开发实践：云端机器学习导论（英文版）》讲解Amazon、Google和Microsoft公司的强大云服务产品，以及Python数据科学生态系统的成熟技术，所介绍的工作流程和案例涉及从部署到生产各个环节，通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序（覆盖体育、项目管理、产品定价、房地产等领域中的实际问题），帮助你构建可扩展的能交付于生产的解决方案。

　　Noah Gift，是加州大学戴维斯分校研究生院工商管理硕士项目专业讲师及顾问。他讲授研究生机器学习课程，为学生和教师提供机器学习和云架构方面的咨询。他发表了近100篇技术出版物，包括云端机器学习和开发运维专题方面的两本书籍。Gift是拥有AWS认证的解决方案架构师，同时也是AWS云端机器学习专家，他帮助创建了AWS云端机器学习专业方向的认证。Gift曾获得加州大学戴维斯分校工商管理硕士学位、加州州立大学洛杉矶分校计算机信息系统硕士学位以及圣路易斯一奥比斯波的加州州立理工大学营养科学学士学位。Noah Gif——有近20年Python职业编程经验，是Python软件基金会会士。他曾担任CTO、总经理、咨询CTO和云架构师等职位，也有在ABC、加州理工学院、Sony图像工作室、Disney动画、Weta数码、AT&T、Turner工作室和Linden实验室等多家机构从业的经历。在过去10年中，他负责了多家公司的新产品发布，这些新产品在全球范围内创造了数百万美元收益。目前，他是Pragmatic AI Labs公司创始人，该公司旨在为初创公司等提供机器学习、云架构和CTO级别的咨询服务。

第一部分 实用人工智能基础
第1章 实用人工智能简介
Python功能介绍
程序语句
字符串和字符串格式化
数字与算术运算
数据结构
函数
在Python中使用控制结构
for循环
while循环
if/else语句
生成器表达式
列表推导式
中级主题
进一步思考
第2章 人工智能与机器学习的工具链
Python数据科学生态系统：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn
R语言、RStudio、Shiny和ggplot
电子表格：Excel和Google表格
使用Amazon网络服务开发云端AI
AWS上的Devops
持续交付
为AWS创建软件开发环境
集成Jupyter Notebook
集成命令行工具
集成AWS CodePipeline
数据科学中的基本Docker容器设置_
其他构建服务器：Jenkins、CircleCI、Codeship和Travis
小结
第3章 斯巴达式AI生命周期
实用生产反馈回路
AWS SageMaker
AWS Glue反馈回路
AWS批处理
基于Docker容器的反馈回路
小结
第二部分 云端人工智能
第4章 使用Google云平台开发云端AI
Google云平台概述
Colaboratory合作实验工具
Datalab数据处理工具
使用Docker和Google容器注册表扩展Datalab
使用Datalab启动强大的机器
BigQuery云数据仓库
Google云端AI服务
云端TPU和TensorFlow
小结
第5章 使用Amazon Web服务开发云端AI
在AWS上构建增强现实和虚拟现实解决方案
计算机视觉：带有EFS和Flask的ARNR管道
带EFS、Flask和Pandas的数据工程管道
小结
第三部分 创建实际Al应用程序
第6章 预测社交媒体在NBA中的影响力
提出问题
收集具有挑战性的数据源
收集运动员的Wikipedia页面访问量
收集运动员的Twitter参与度
探索NBA运动员数据
NBA球员的无监督机器学习
使用R语言对NBA球员执行分面聚类绘图
汇总：球队、球员、影响力和广告代言
更多的实际进阶与学习
小结
第7章 使用AWS创建智能的
Slack机器人
创建机器人
将库转换为命令行工具
使用AWS工作流服务将机器人提升到新水平
获取IAM证书设置
建立工作流
小结
第8章 从GitHub组织中寻找项目管理的思考
软件项目管理问题综述
开始创建数据科学项目框架
收集和转换数据
与GitHub组织交·流
创建特定领域的统计信息
将数据科学项目连接到CLI客户端
使用Jupyter Notebook探索GitHub组织
查看CPython项目中的文件元数据
查看CPython项目中的已删除文件
将项目部署到Python包索引库
小结
第9章 动态优化基于AWS的弹性计算云（EC2）实例
在AWS上运行作业
第10章 房地产数据研究
第11章 用户生成内容的生产环境AI
附录A AI加速器
附录B聚类大小的选择
索引