[Partie 1] Comprendre les services et les technologies d'IA

[Chapitre 1] Qu'est-ce que l'intelligence artificielle ?
1.1 Origine et développement de la technologie de l'intelligence artificielle
1.2 Principaux cas d'utilisation de l'intelligence artificielle en entreprise
1.3 Résumé

[Chapitre 2] Méthodes d'application de l'intelligence artificielle
2.1 Classification des technologies d'application de l'IA
2.2 Environnement de plateforme distribuée pour le développement de l'intelligence artificielle
2.3 Outils de soutien au développement de l'intelligence artificielle
2.4 Cadres dédiés à l'apprentissage profond et à l'apprentissage automatique
2.5 Langages de programmation pour le développement de l'intelligence artificielle
2.6 Format pour une gestion efficace des données
2.7 Services d'IA basés sur le cloud, faciles d'accès et d'utilisation
2.8 Résumé

[Partie 2] Apprentissage automatique et apprentissage profond

[Chapitre 3] Comprendre l'apprentissage automatique et la classification à l'aide de l'apprentissage supervisé
3.1 Types d'apprentissage automatique
3.2 Arbre de décision
3.3 Algorithme de machine à vecteurs de support
3.4 Résumé

[Chapitre 4] Clustering par apprentissage non supervisé
4.1 Comprendre les concepts de clustering avec l'algorithme K-Means
4.2 Implémentation directe de K-Means
4.3 Mise en pratique du clustering avec les données Iris
4.4 Mise en pratique du clustering avec des données sur le vin
4.5 Résumé

[Chapitre 5] Classification d'images par apprentissage profond
5.1 Comprendre la technologie d'apprentissage profond
5.2 Qu'est-ce que CNN ?
5.3 Reconnaissance d'images d'écriture manuscrite
5.4 Reconnaissance d'images alimentaires
5.5 Résumé

[Chapitre 6] Extraction d'objets d'images à l'aide de TensorFlow
6.1 Vue d'ensemble de l'extraction d'objets
6.2 Essai de reconnaissance d'objets
6.3 Application de la reconnaissance d'objets
6.4 Outils d'étiquetage d'images pour la reconnaissance d'objets
6.5 Résumé

[Partie 3] Comprendre la technologie de traitement automatique du langage naturel

[Chapitre 7] Traitement automatique du langage naturel coréen
7.1 Aperçu du traitement automatique du langage naturel
7.2 Prétraitement des données textuelles
7.3 Vectorisation des données textuelles
7.4 Processus de traitement automatique du langage naturel coréen
7.5 Comprendre l'analyseur morphologique coréen
7.6 Utilisation de l'analyseur morphologique coréen
7.7 Modélisation thématique
7.8 Résumé

[Chapitre 8] Traitement automatique du langage naturel avec Word2Vec
8.1 Comprendre les plongements lexicaux : l’art du traitement automatique du langage naturel
8.2 Essai de word2vec
8.3 Analyse des critiques de films à l'aide de Word2Vec
8.4 Résumé

[Chapitre 9] Analyse du sentiment textuel
9.1 Qu'est-ce que l'analyse des sentiments textuels ?
9.2 Analyse des sentiments avec Keras
9.3 Analyse des sentiments à l'aide de machines à vecteurs de support
9.4 Résumé

[Partie 4] Comprendre les services de chatbot et les technologies de mise en œuvre
[Chapitre 10] Introduction à la technologie des services de chatbot
10.1 Qu'est-ce qu'un chatbot ?
10.2 Principaux types de services des chatbots
10.3 Technologies qui composent les chatbots
10.4 Résumé

[Chapitre 11] Développement de chatbots à l'aide de services cloud
11.1 Développement de scénarios de conversation à l'aide de Watson
11.2 Ajout d'un bot Slack
11.3 Exécution du programme de chatbot
11.4 Résumé

[Chapitre 12] Développement d'un service conversationnel à l'aide de RNN
12.1 Préparation d'un environnement de développement basé sur l'apprentissage profond
12.2 Création d'un moteur de conversation avec des RNN
12.3 Développement d'un service de chatbot pour la blanchisserie
12.4 Développement d'un chatbot de contrôle IoT domestique
12.5 Résumé

[Annexe A] Installation de Python 3
A.1 Installation sur Ubuntu
A.2 Installation sur Mac OS X
A.3 Installation sous Windows

[Annexe B] Installation de NumPy et SciPy sous Windows
B.1 Installation des modules NumPy
B.2 Installation du module SiFi

[Annexe C] Installation de Keras
C.1 Création d'un environnement de développement virtuel
C.2 Installation de packages supplémentaires
C.3 Installation de Jupyter Notebook

Structure de ce livre

La première partie, « Comprendre les services et les technologies d'intelligence artificielle », examine le contexte et la définition de l'intelligence artificielle, les concepts d'apprentissage automatique et d'apprentissage profond, ainsi que divers outils et éléments technologiques pour la mise en œuvre de services d'intelligence artificielle.
Le chapitre 1, « Qu’est-ce que l’intelligence artificielle ? », présente les concepts clés et les connaissances de base sur l’intelligence artificielle, l’apprentissage automatique et l’apprentissage profond.
De plus, nous proposons différents services qui utilisent l'intelligence artificielle.

Le chapitre 2, « Méthodes d’application de l’intelligence artificielle », explore divers outils et éléments techniques pour introduire la technologie de l’intelligence artificielle dans les services.


Dans la deuxième partie, « Apprentissage automatique et apprentissage profond », nous examinons les caractéristiques et les différences entre les types de technologies d'apprentissage automatique et explorons des algorithmes représentatifs pour l'apprentissage supervisé et non supervisé.
Le chapitre 3, « Comprendre l’apprentissage automatique et la classification par apprentissage supervisé », est le point de départ de toute démarche d’apprentissage automatique. La mise en œuvre d’algorithmes d’arbres de décision et de machines à vecteurs de support vous permettra d’acquérir les connaissances fondamentales nécessaires à l’apprentissage automatique.

Le chapitre 4, « Clustering Using Unsupervised Learning », donne un aperçu de l'apprentissage non supervisé et explore comment résoudre les problèmes d'apprentissage non supervisé à l'aide de l'algorithme K-means.

Dans le chapitre 5, « Classification d'images à l'aide de l'apprentissage profond », vous apprendrez à traiter des images à l'aide de l'apprentissage profond et, grâce à une pratique concrète de la reconnaissance d'images d'aliments, vous serez en mesure de comprendre le processus d'entraînement de l'apprentissage profond.

Dans le chapitre 6, « Extraction d'objets d'images à l'aide de TensorFlow », vous apprendrez comment extraire des objets d'images à l'aide de l'apprentissage profond.
Vous pouvez apprendre à utiliser TensorFlow, un framework d'apprentissage profond.


Dans la troisième partie, « Comprendre la technologie du traitement automatique du langage naturel », nous aurons un aperçu de ce qu'est le traitement automatique du langage naturel, nous examinerons l'objectif de son apprentissage, puis nous apprendrons à analyser les sentiments exprimés dans un texte à l'aide d'exemples concrets.
Dans le chapitre 7, « Traitement automatique du langage naturel coréen », nous apprendrons la définition et les connaissances de base du traitement automatique du langage naturel et examinerons l'analyse morphologique pour le traitement du coréen.

Le chapitre 8, « Traitement du langage naturel à l'aide de Word-to-Vec », présente une méthode de traitement du langage naturel utilisant l'apprentissage profond, qui a récemment été utilisée en complément de la méthode de traitement du langage naturel existante.
Nous allons notamment examiner de plus près une technologie appelée Word2Vec.

Dans le chapitre 9, intitulé « Analyse des sentiments exprimés dans un texte », vous apprendrez des techniques d'évaluation des sentiments à travers des critiques de films coréens.
Apprenez comment l'implémenter à l'aide de réseaux neuronaux récurrents (RNN) et de machines à vecteurs de support.


La partie 4, « Comprendre les services de chatbot et les technologies de mise en œuvre », couvre les concepts de base des chatbots, comment les créer à l'aide de services cloud et comment créer des services conversationnels simples à l'aide de la technologie d'apprentissage profond.
Le chapitre 10, « Introduction à la technologie des services de chatbot », explore la compréhension, les types et divers exemples de services de chatbot, qui attirent l'attention récemment.
Nous examinons également la technologie qui compose les chatbots.

Dans le chapitre 11, « Développement de chatbots à l'aide de services cloud », nous allons créer notre propre chatbot à l'aide de Watson basé sur le cloud.

Dans le chapitre 12, « Développement d'un service conversationnel utilisant RNN », nous construirons un service conversationnel utilisant la technologie d'apprentissage profond plutôt qu'un service cloud fourni.


Enfin, l'annexe explique comment installer Python, NumPy, SciPy et Keras, les principaux environnements d'exécution pour exécuter les exemples de ce livre.
D'autres méthodes d'installation et de configuration environnementales sont également expliquées en détail dans le texte.


Caractéristiques principales de ce livre

- Ce seul livre vous permettra de découvrir différents domaines des services d'intelligence artificielle et de vous entraîner sur des exemples concrets.
- Apprenez les principales théories algorithmiques de l'apprentissage automatique et de l'apprentissage profond, et créez vous-même un service simple.
- Vous pouvez acquérir les compétences de base en matière de planification des services en comprenant les types, les cas et les technologies d'application de l'intelligence artificielle.
- Vous pouvez expérimenter directement et faire des choix en matière de développement et d'application des technologies d'intelligence artificielle.
- Vous pourrez expérimenter diverses technologies d'intelligence artificielle telles que la reconnaissance vocale, le traitement du langage naturel, les systèmes de conversation et le traitement d'images.
- Nous utilisons des bibliothèques basées sur Python pour l'intelligence artificielle, telles que PyTorch, Gensim, TensorFlow, Keras et NLTK.

Public cible de ce livre

- Les planificateurs de services/solutions qui envisagent de nouveaux services informatiques utilisant l'intelligence artificielle et qui ont soif de connaissances techniques.
- Les professionnels de l'informatique qui cherchent à approfondir leurs connaissances dans les domaines de l'apprentissage automatique et de l'apprentissage profond.
- Les lycéens, les étudiants et le grand public ayant une expérience en programmation informatique et souhaitant découvrir le développement à l'aide de l'intelligence artificielle