2021-01-12 15:19:46

new/handson-ai-gcp/05.md

@@ -367,7 +367,7 @@ print('test_acc:', test_acc)
 
 在本节中，我们将介绍另一个使用 Keras 框架训练神经网络的代码示例。 要运行此代码，我们需要访问以下库：
 
-*   `os`：这提供了各种依赖于操作系统的功能。
+*   `os`：这提供了各种依赖于操作系统的函数。
 *   `glob`：该模块非常适合使用 UNIX shell 参数。
 *   `numpy`：该库用于基本的数学函数。
 

new/handson-ai-gcp/06.md

@@ -74,7 +74,7 @@
 
 我们将通过 DialogFlow 控制台创建一个新的 Google 项目。 单击右上角的“创建”按钮。 创建智能体后，我们将进入“意图”屏幕。 DialogFlow 为每个智能体提供两个默认意图。 这些是任何应用通常都需要的预配置意图：
 
-*   **欢迎意图**：这是开始对话的默认意图。 作为最佳实践，座席需要向用户打招呼并使其与问候语的总体用户风格相匹配。 还建议欢迎意图以智能体提供的特定于域的功能进行答复。 例如，对于书店智能体，该智能体需要向用户打招呼，并简短地谈论书店。
+*   **欢迎意图**：这是开始对话的默认意图。 作为最佳实践，座席需要向用户打招呼并使其与问候语的总体用户风格相匹配。 还建议欢迎意图以智能体提供的领域特定的功能进行答复。 例如，对于书店智能体，该智能体需要向用户打招呼，并简短地谈论书店。
 
 *   **后备意图**：这是默认意图，当智能体无法将用户表达式与任何已配置的意图匹配时调用。
 

new/handson-ai-gcp/10.md

@@ -195,7 +195,7 @@ gcloud ai-platform local predict --model-dir model_storage_path/ \
 以下是 AI 工具包中可利用的组件： 在我们的应用中，我们将利用云机器学习，自然语言 API，视觉 API，翻译 API，语音 API 和云视频智能 API：
 
 *   **Cloud ML**：这是一个全面的平台，可利用 Google Cloud 的功能，使训练和部署可用于任何类型和大小的数据的 ML 模型变得容易。 在平台上训练的模型可以立即使用，并且可以通过安全的 API 进行访问，从而可以以最少的资金和时间投入轻松开发应用的快速原型。
-*   **自然语言 API**：自然语言 API 可用于执行 Web 规模的文本分析。 该 API 与 AutoML 集成在一起，并允许用户基于非结构化数据来训练，测试和部署其模型。 有预训练的模型，具有各种功能域的各种应用可以轻松利用这些模型。 该平台使协作和共享不断被平台升级的模型变得容易，从而提供了一种一致且可靠的方式来创建用于处理自然语言形式输入的应用。 这样可以通过语音 API 与人进行数据交互。
+*   **自然语言 API**：自然语言 API 可用于执行 Web 规模的文本分析。 该 API 与 AutoML 集成在一起，并允许用户基于非结构化数据来训练，测试和部署其模型。 有预训练的模型，具有各种领域功能的各种应用可以轻松利用这些模型。 该平台使协作和共享不断被平台升级的模型变得容易，从而提供了一种一致且可靠的方式来创建用于处理自然语言形式输入的应用。 这样可以通过语音 API 与人进行数据交互。
 
 *   **视觉 API**：这在基于视觉输入（例如图像）的分析中非常方便。 如果机器具有补充人类视觉的能力（例如从 PDF 或 Word 文档抄录文本），我们可以将大量 API 用于此用例。 这样，可以以有效和具有成本效益的方式对大量文档进行分类。 无需大量设置即可使用该服务，因此，一旦为项目和用户帐户启用了该服务，就可以轻松无缝地开始使用它。 强大的 API 层使您可以轻松以安全的方式与第三方应用集成。
 *   **翻译 API**：这是一种便捷的服务，无需设置转换规则即可使用。 该 API 允许根据预先训练并不断发展的模型在各种语言之间进行翻译。 这些功能易于使用，为语言互操作性以及以各种语言构建的各种应用之间的集成打开了可能性。