课程：智能硬件与智能系统，自2017年更名为当前名称。
=版权申明=
CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ BY-NC-SAND]
=课程介绍=
45单元-智能问答与智能系统智能硬件与智能系统
=教学团队=
==saturnLab介绍== [http://net.icenter.tsinghua.edu.cn iNetLab[互联网+实验室 | 智能系统实验室]] =课程内容=
==学生准备==
(Bring your own laptop computers and camera-ready smart phones)
==相关课程=课程内容=
[[大数据与机器智能]]“端+云”
[[智能硬件与智能系统]]==智能硬件==
==云计算与数据中心==[[智能硬件-智能终端]]
李兆基科技大楼三层B342房间==云==
[http://cloud.icenter.tsinghua.edu.cn iCenter-Cloud]===数据中心===
==大数据平台==硬件设施[[数据中心]]
大数据存储===资源管理===
* 云计算[http://hadoop.apache.org Hadoop[工业云]]
MapReduce处理===大数据平台===
大数据解析[[大数据系统]]
* [http://druid.io Druid]===机器学习与深度学习===
==搜索引擎==[[机器学习]]
===搜索引擎的原理===[[深度学习]]
# 爬取网页# 建立索引# 排序# 搜索词处理==智能系统==
===搜索引擎的系统===[[AI产业前沿]]
# 爬虫系统-Crawler# 索引系统-Indexer# 排序系统-Sorting# 用户接口-UI===搜索引擎===
===索引系统===[[搜索引擎]]
索引（Index）是加快查找的数据结构(data structure) # 倒排索引(Inverted Index)是搜索引擎使用的数据结构# 倒排索引将关键字(keyword)映射到文档(document)# 倒排索引多采用倒排列表（posting list）的数据结构# 倒排列表用来存放文档编号，单词频率和文档位置等，来配合单词编号，文档频率和文档位置进行查找 =典型案例=开源搜索引擎== [https://lucene.apache.org/solr/ Solr] [http://nutch.apache.org Nutch] [https://pypi.python.org/pypi/Whoosh Whoosh] ==智能助手IPA== 智能助手(Intelligent Personal Assistants, IPAs)，是一种新型的人机交互方式，使用者通过语音，图像等自然方式与机器交互。
==智能问答==
苹果Siri，微软Cortana，谷歌Now，亚马逊Echo*智能硬件结合体：
===IBM沃森===[ 天猫精灵]
====危险边缘(Jeopardy)====[http://www.amazon.com/echo Amazon Echo] 是一款結合智能助理Alexa的音响。
危险边缘(Jeopardy)是一个真人竞争答题的电视节目。[https://store.google.com/product/google_home Google Home] 是一款结合谷歌助理Assistant的音响。
# 危险边缘设置3个竞赛选手互相对抗，通过丰富的自然语言回答主题涉及广泛的各种问题。# 回答问题必须具有置信度、准确度以及回答速度，基本上3秒之内完成答题。[https://www.apple.com/homepod/ Apple HomePod] 是一款结合siri的智能音箱。
====IBM Watson====*智能助手IPA
2011年沃森参与危险边缘智能助手(JeopardyIntelligent Personal Assistants, IPAs)，并战胜对手，获得奖金。Watson是继1997年5月深蓝战胜人类世界冠军卡斯帕罗夫，人机竞赛的一个新里程碑。，是一种新型的人机交互方式，使用者通过语音，图像等自然方式与机器交互。
如果沃森想要战胜人类选手，需要以自然语言给出问题的70%的答案，正确率需要高于80%，且三秒内完成每道题的回答。 这就需要沃森具备实时性以及自动性。如苹果Siri，微软Cortana，谷歌Assistant，亚马逊Alexa等。
Ferrucci, David A. "Introduction to “this is Watson”." IBM Journal of Research and Development 56, no. 3.4 (2012): 1*技术原理[[大数据智能-1.智能问答|智能问答]]
====DeepQA===相关课程=
Ferrucci, David A. et al. "Building Watson: An overview of the DeepQA project." AI magazine 31, no. 3 (2010): 59-79.[[大数据与机器智能]]
==== 这就是沃森==== # 介绍“这就是Watson”# 问题分析：Watson怎样读取一个线索# Watson中的深度语法分析# 文本资源的获取与工程# 文档中自动的知识提取# 大海捞针：搜索和候选答案生成# 使用类型强制来分类候选答案# 文本类证据获取与分析# 深度问答中的关系提取与打分# 深度问答中的结构化数据与推断# 特殊问题和技术# 识别隐含的关系# 深度问答中基于事实的问题分解# 深度问答中答案的合并和评级框架# 让Watson更快# Watson游戏策略中的仿真，学习和优化技术# 比赛中：Watson和危险边缘的交互 ====沃森服务==== [http://www.ibm.com/cloud-computing/bluemix IBM-bluemix] ==知识库== ===数据库=== 三元数据库 [http://virtuoso.openlinksw.com/ Virtuoso Universal Server智能硬件与智能系统] ===开放知识库=== [http://wiki.dbpedia.org/ DBpedia] [http://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago/ YAGO3] [http://wordnet.princeton.edu/ WordNet] [http://www.geonames.org/ GeoNames] [http://BabelNet.org BabelNet] Farzaneh Mahdisoltani, Joanna Biega, Fabian M. Suchanek, YAGO3: A Knowledge Base from Multilingual Wikipedias, Conference on Innovative Data Systems Research (CIDR 2015). ==深度学习== Readings: # LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." Nature 521(7553), pp:436-444, 2015. [http://www.nature.com/nature/journal/v521/n7553/full/nature14539.html DeepLearning_Nature]# Jeff Dean, Large-Scale Deep Learning for Intelligent Computer Systems, WSDM 2016. [http://research.google.com/pubs/jeff.html WSDM_keynote]# TensorFlow: A system for large-scale machine learning, OSDI 2016. [http://research.google.com/pubs/pub45381.html TensorFlow_paper] ===机器感知=== 语音识别 voice recognition 计算机视觉 computer vision 自然语言理解 natural language processing ===图片搜索=== 腾讯优图团队 ===人脸识别=== 旷视科技 [http://www.faceplusplus.com/ Face++] 偏重于人脸识别与计算机视觉 ===语音识别===
出门问问 [http://chumenwenwen.com/ MobVoi[电子工艺-智能硬件 |电子实习-智能硬件]]
偏重自然语言处理与语音识别
=致谢=