人工智能基礎(chǔ)

前言
第1章  人工智能的前世今生
 1.1  人工智能的定義
   1.1.1  智能
   1.1.2  人工智能
 1.2  人工智能的起源
   1.2.1  人工智能之父
   1.2.2  圖靈測試
   1.2.3  達特茅斯會議
 1.3  人工智能的興衰往事
   1.3.1  人工智能的第一次興衰
   1.3.2  人工智能的第二次興衰
   1.3.3  人工智能的第三次浪潮
 1.4  人工智能的發(fā)展
   1.4.1  人工智能教父
   1.4.2  從“深藍”到“AlphaGo”
   1.4.3  人工智能的黃金時代
 本章小結(jié)
 練習1
第2章  人工智能的應用領(lǐng)域
 2.1  人工智能的分類
   2.1.1  弱人工智能
   2.1.2  強人工智能
 2.2  人工智能的三個階段
   2.2.1  人工智能的“計算智能”階段
   2.2.2  人工智能的“感知智能”階段
   2.2.3  人工智能的“認知智能”階段
 2.3  人工智能的技術(shù)領(lǐng)域
   2.3.1  人工智能的“看”——計算機視覺
   2.3.2  人工智能的“聽”——語音處理
   2.3.3  人工智能的“想”——自然語言處理
 2.4  人工智能的技術(shù)領(lǐng)域
   2.4.1  數(shù)據(jù)服務(wù)
   2.4.2  數(shù)據(jù)智能
   2.4.3  智能控制
   2.4.4  智能芯片
 2.5  人工智能行業(yè)應用場景
   2.5.1  智能安防
   2.5.2  智能駕駛
   2.5.3  智能醫(yī)療
   2.5.4  智能服務(wù)
   2.5.5  智能家居
   2.5.6  智慧農(nóng)業(yè)
   2.5.7  智慧交通
   2.5.8  智慧城市
   2.5.9  數(shù)字李生
 2.6  人工智能的展望
   2.6.1  更易用的人工智能開發(fā)框架
   2.6.2  更完善的人工智能數(shù)據(jù)服務(wù)
   2.6.3  更安全的人工智能數(shù)據(jù)共享
   2.6.4  更優(yōu)化的人工智能算法模型
   2.6.5  “端-邊-云”全面發(fā)展的人工智能算力
   2.6.6  更廣泛的人工智能服務(wù)
 本章小結(jié)
 練習2
第3章  人工智能中的應用和方法
 3.1  搜索算法
   3.1.1  智能系統(tǒng)中的搜索
   3.1.2  搜索算法介紹
   3.1.3  盲目檢索
   3.1.4  知情搜索
   3.1.5  博弈中的搜索
 3.2  博弈
   3.2.1  二人博弈
   3.2.2  囚徒困境
   3.2.3  高級計算機博弈
 3.3  邏輯
   3.3.1  人工智能中的邏輯
   3.3.2  邏輯和表示
   3.3.3  模糊邏輯
 3.4  產(chǎn)生式系統(tǒng)和專家系統(tǒng)
   3.4.1  人工智能中的知識表示
   3.4.2  產(chǎn)生式系統(tǒng)
   3.4.3  專家系統(tǒng)
 3.5  神經(jīng)網(wǎng)絡(luò)
   3.5.1  神經(jīng)元
   3.5.2  人工神經(jīng)網(wǎng)絡(luò)
   3.5.3  梯度消失與梯度爆炸
   3.5.4  損失函數(shù)
   3.5.5  激活函數(shù)
 3.6  進化計算
   3.6.1  模擬退火
   3.6.2  遺傳算法
   3.6.3  遺傳規(guī)劃
 3.7  自然語言處理
   3.7.1  自然語言處理的概述
   3.7.2  自然語言處理的常用技術(shù)
   3.7.3  自然語言處理的統(tǒng)計方法與概率模型
 本章小結(jié)
 練習3
第4章  人臉識別
 4.1  案例描述
 4.2  案例解析
 4.3  知識鏈接
 4.4  案例學習
   4.4.1  人臉識別應用案例
   4.4.2  百度AI平臺人臉檢測
 4.5  案例實現(xiàn)
 4.6  人臉識別案例實戰(zhàn)
 本章小結(jié)
 練習4
第5章  圖像分類
 5.1  案例描述
 5.2  案例解析
   5.2.1  圖像分類方法概述
   5.2.2  實現(xiàn)方法選擇
   5.2.3  案例實現(xiàn)過程
 5.3  知識鏈接
   5.3.1  圖像分類與檢測概述
   5.3.2  圖像分類與檢測的難點與挑戰(zhàn)
   5.3.3  圖像分類類型
 5.4  圖像分類案例實踐
   5.4.1  任務(wù)1  基于Anaconda安裝TensorFlow
   5.4.2  任務(wù)2  加載貓狗數(shù)據(jù)集
   5.4.3  任務(wù)3  編譯模型
   5.4.4  任務(wù)4  訓練模型
   5.4.5  任務(wù)5  使用模型進行預測
 本章小結(jié)
 練習5
第6章  語音識別
 6.1  語音識別綜述
   6.1.1  語音識別技術(shù)概述
   6.1.2  語音識別技術(shù)發(fā)展歷史
 6.2  語音識別知識介紹
   6.2.1  語音識別原理
   6.2.2  語音識別系統(tǒng)的分類
   6.2.3  語音識別的幾種基本方法
 6.3  語音識別應用案例
 本章小結(jié)
 練習6
第7章  語音交互
 7.1  語音交互的概念
 7.2  語音交互的優(yōu)缺點
 7.3  語音交互的原則
 7.4  語音交互產(chǎn)品主要應用場景
 7.5  語音交互框架
 7.6  語音交互案例
 本章小結(jié)
 練習7
第8章  機器翻譯
 8.1  機器翻譯概述
   8.1.1  機器翻譯的起源與發(fā)展
   8.1.2  機器翻譯的基本原理
   8.1.3  在線機譯
 8.2  機器翻譯的核心技術(shù)
   8.2.1  基于規(guī)則的機器翻譯
   8.2.2  基于統(tǒng)計的機器翻譯
   8.2.3  基于端到端的神經(jīng)機器翻譯
 8.3  機器翻譯的基本應用
 8.4  文本與圖片翻譯案例
   8.4.1  案例描述
   8.4.2  知識準備
   8.4.3  任務(wù)1  文本的單語言翻譯
   8.4.4  任務(wù)2  文本的多語言翻譯
   8.4.5  任務(wù)3  圖片中文字的識別與翻譯
 本章小結(jié)
 練習8
第9章  人工智能的開發(fā)環(huán)境
 9.1  Python基礎(chǔ)
   9.1.1  變量
   9.1.2  字符串
   9.1.3  流程控制——分支結(jié)構(gòu)
   9.1.4  流程控制——循環(huán)結(jié)構(gòu)