人工智能應用基礎

前言
第1 章
人工智能概述
1.1 人工智能簡介 002
1.1.1 人工智能的定義 002
1.1.2 人工智能的起源和發(fā)展 003
1.1.3 人工智能背景下的道德規(guī)范 006
1.2 人工智能產(chǎn)業(yè)的創(chuàng)新與發(fā)展 006
1.2.1 人工智能產(chǎn)業(yè)鏈全景分析 007
1.2.2 人工智能的核心技術體系 010
1.2.3 大力發(fā)展人工智能的意義 016
課后習題 017
第2 章
Python 基礎
2.1 案例導入：基于AI 技術的首個國風虛擬網(wǎng)紅Ling
出道 020
2.2 Python 語言簡介 020
2.3 Python 語言的應用場景 020
2.4 項目實踐：制作一個動態(tài)二維碼 021
2.4.1 提出問題 021
2.4.2 分析問題 022
2.4.3 相關知識 022
2.4.4 解決問題 025
2.5 項目實踐：圖片的讀/ 寫 029
2.5.1 提出問題 029
2.5.2 分析問題 029
2.5.3 相關知識 030
2.5.4 解決問題 036
課后習題 042
第3 章
圖像識別與網(wǎng)絡安全
3.1 案例導入：抖音道具的圖像識別技術 044
3.2 圖像識別技術簡介 044
3.2.1 圖像識別的概念 044
3.2.2 圖像識別的原理 045
3.2.3 圖像識別的發(fā)展歷程 045
3.3 圖像識別的應用場景 046
3.3.1 醫(yī)療影像診斷 046
3.3.2 工業(yè)視覺檢測 047
3.3.3 筆跡識別 047
3.3.4 人臉識別 048
3.4 項目實踐：圖像識別在智慧停車系統(tǒng)中的應用 048
3.4.1 提出問題 048
3.4.2 分析問題 049
3.4.3 相關知識 049
3.4.4 解決問題 055
課后習題 065
第4 章
自然語言處理與輿情分析
4.1 案例導入：聊天機器人 067
4.1.1 聊天機器人概述 067
4.1.2 聊天機器人的種類 067
4.1.3 聊天機器人系統(tǒng)的組成 068
4.2 自然語言處理簡介 069
4.2.1 自然語言處理的概念 069
4.2.2 自然語言處理的發(fā)展歷程 069
4.2.3 自然語言的含義及組成 071
4.2.4 自然語言處理的層次 072
4.3 自然語言處理的應用場景 077
4.3.1 機器翻譯 077
4.3.2 語音識別 077
4.3.3 情感分析 078
4.4 項目實踐：某商品評論輿情分析 079
4.4.1 提出問題 079
4.4.2 分析問題 079
4.4.3 相關知識 079
4.4.4 解決問題 080
課后習題 087
第5 章
生物特征識別與智慧校園
5.1 案例導入：智慧校園中的人臉識別系統(tǒng) 090
5.2 生物特征識別技術簡介 090
5.2.1 生物特征識別的概念 090
5.2.2 生物特征識別的分類 091
5.2.3 生物特征識別的發(fā)展歷程 092
5.3 生物特征識別的應用場景 092
5.4 項目實踐：圖書借閱管理系統(tǒng)的人臉借書 093
5.4.1 提出問題 093
5.4.2 分析問題 093
5.4.3 相關知識 094
5.4.4 解決問題 096
課后習題 104
第6 章
大數(shù)據(jù)與日常生活
6.1 案例導入：大數(shù)據(jù)下的電商服務模式轉(zhuǎn)變 106
6.2 大數(shù)據(jù)技術概述 107
6.2.1 大數(shù)據(jù)與大數(shù)據(jù)技術的概念 107
6.2.2 大數(shù)據(jù)技術的原理 107
6.2.3 大數(shù)據(jù)技術的發(fā)展歷程 108
6.3 大數(shù)據(jù)技術的應用場景 109
6.3.1 新冠疫情的防控和預測 110
6.3.2 垃圾分類智能化 111
6.3.3 交通大數(shù)據(jù)保障暢通出行 112
6.3.4 農(nóng)牧大數(shù)據(jù)助力量化生產(chǎn) 112
6.3.5 食品大數(shù)據(jù)保證舌尖上的安全 113
6.4 項目實踐：某平臺線上超市全年銷售數(shù)據(jù)分析 113
6.4.1 提出問題 114
6.4.2 分析問題 114
6.4.3 相關知識 114
6.4.4 解決問題 117
課后習題 127
第7 章
機器學習與分類
7.1 案例導入：房價預估 129
7.2 機器學習概述 130
7.2.1 機器學習簡介 130
7.2.2 機器學習的種類 132
7.2.3 機器學習的發(fā)展歷程 134
7.2.4 機器學習的流程 136
7.3 機器學習的應用場景 137
7.3.1 垃圾電子郵件過濾 137
7.3.2 推薦系統(tǒng) 138
7.3.3 金融反欺詐 138
7.4 項目實踐：學生成績分類 139
7.4.1 提出問題 139
7.4.2 分析問題 139
7.4.3 相關知識 140
7.4.4 解決問題 141
課后習題 149
參考文獻 150