人工智能應用實戰
劉艷飛，常城
商品描述
本教材較為系統地介紹了人工智能應用場景下的數據採集、數據處理、數據標註等技術。全書分為4篇，共12個項目，包括瞭解數據採集、瞭解網絡數據採集、瞭解端側數據採集、數據存儲與加載、瞭解數據處理、圖像數據處理、文本數據處理、瞭解數據標註、圖像數據標註、文本數據標註、深度學習圖像分類應用實戰、深度學習情感分析應用實戰等內容。本教材以企業用人需求為導向、以崗位技能和綜合素質為核心，通過理論與實戰相結合的方式組織內容，以培養能夠根據項目需求完成數據的採集、處理、標註等的人才。
本教材可用於1+X證書制度試點工作中的人工智能深度學習工程應用職業技能等級證書（初級）的教學和培訓，也適合作為中等職業學校、高等職業院校、應用型本科院校人工智能相關專業的教材，還適合作為需補充學習深度學習應用開發知識的技術人員的參考用書。
作者簡介
刘艳飞，女，副教授职称，任CFF职业教育发展委员会人工智能技术服务工作组副组长。主要从事人工智能技术应用专业教学和科研工作。近五年，主持建设完成省级精品在线开放课1门，荣获省职业院校信息化教学比赛一等奖，指导学生获省职业院校技能大赛一等奖、“互联网+”大学生创新创业大赛省赛银奖多项。主持省级和中国职业技术教育学会等各类课题15项，主编出版教材2部，获得软件著作权6件，是学校人工智能应用教师工作室负责人。
目錄大綱
第 1篇 數據採集 1
項目１ 瞭解數據採集 2
項目描述 2
知識準備 3
1.1 大數據 3
1.1.1 數據來源 3
1.1.2 數據類型 3
1.2 數據採集 4
1.2.1 數據採集的三大要求 4
1.2.2 數據採集方式 4
1.3 數據採集的應用行業 5
項目實施 “石頭剪刀布”圖像數據採集 6
1.4 實施思路 6
1.5 實施步驟 6
知識拓展 12
課後實訓 12
項目２ 瞭解網絡數據採集 14
項目描述 14
知識準備 15
2.1 網絡爬蟲的原理及流程 15
2.2 網頁結構：HTML 15
2.3 第三方庫：BeautifulSoup4 16
項目實施 爬取“石頭剪刀布”靜態頁面數據 17
2.4 實施思路 17
2.5 實施步驟 18
知識拓展 21
2.6 urllib 22
2.7 requests 22
課後實訓 23
項目３ 瞭解端側數據採集 24
項目描述 24
知識準備 24
3.1 端側數據採集概述 24
3.1.1 數據採集系統 25
3.1.2 數字輸入/輸出模塊 25
3.1.3 模擬輸入/輸出模塊 25
3.1.4 數據採集卡 25
3.2 數據採集端側設備 25
3.2.1 圖像採集設備：CCD傳感器與CMOS傳感器 26
3.2.2 音頻採集設備：麥克風 27
3.3 端側數據採集方式 27
3.3.1 圖像採集 27
3.3.2 語音採集 28
3.4 EasyData智能數據服務平臺 28
項目實施 視頻抽幀數據採集 29
3.5 實施思路 29
3.6 實施步驟 29
知識拓展 31
課後實訓 32
項目４ 數據存儲與加載 33
項目描述 33
知識準備 34
4.1 數據編碼 34
4.1.1 圖像編碼 34
4.1.2 文本編碼 34
4.2 數據存儲格式 35
4.2.1 圖像數據存儲格式 35
4.2.2 文本數據存儲格式 36
4.3 數據加載及存儲 37
4.3.1 圖像數據加載及存儲 37
4.3.2 文本數據加載及存儲 38
項目實施 加載、操作並存儲Excel表格文件 39
4.4 實施思路 39
4.5 實施步驟 39
知識拓展 40
課後實訓 41
第 2篇 數據處理 42
項目５ 瞭解數據處理 43
項目描述 43
知識準備 43
5.1 數據處理工具 43
5.2 數據處理步驟 44
5.2.1 數據清洗 44
5.2.2 數據分析 45
5.2.3 數據可視化 45
5.3 數據處理行業應用 46
5.3.1 人臉識別 46
5.3.2 工業自動化 46
5.3.3 機器翻譯 46
5.3.4 醫療健康分析 47
項目實施 EasyData處理文本數據 47
5.4 實施思路 47
5.5 實施步驟 47
知識拓展 52
課後實訓 53
項目６ 圖像數據處理 54
項目描述 54
知識準備 54
6.1 圖像基礎知識 54
6.1.1 圖像的概念 55
6.1.2 圖像的存儲方式 55
6.2 圖像數據處理方法 55
6.2.1 圖像數據清洗 55
6.2.2 圖像數據分析 56
6.2.3 圖像數據可視化 56
6.3 Python庫介紹 56
6.3.1 OpenCV庫 56
6.3.2 Matplotlib庫 57
6.3.3 os庫 57
項目實施 “石頭剪刀布”圖像處理 58
6.4 實施思路 58
6.5 實施步驟 58
知識拓展 64
6.6 圖像水平翻轉 64
6.7 圖像垂直翻轉 66
6.8 圖像對角翻轉 66
課後實訓 67
項目７ 文本數據處理 68
項目描述 68
知識準備 68
7.1 文本數據處理的應用 68
7.2 文本數據處理方法 69
7.2.1 文本數據清洗 69
7.2.2 文本數據分析與可視化 72
項目實施 對話情感傾向分析 73
7.3 實施思路 73
7.4 實施步驟 74
知識拓展 80
7.5 正態分佈圖法 80
7.6 聚類算法 80
課後實訓 80
第3篇 數據標註 82
項目８ 瞭解數據標註 83
項目描述 83
知識準備 83
8.1 數據標註的概念 83
8.2 數據標註的類型 84
8.3 數據標註的意義 84
8.4 數據標註在行業中的應用 84
8.4.1 智能交通 84
8.4.2 智能語音 85
8.4.3 智能金融 85
8.4.4 智能家居 86
8.4.5 電子商務 86
項目實施 標註“花卉識別”數據集 87
8.5 實施思路 87
8.6 實施步驟 87
知識拓展 92
8.7 數據標註的難題 92
8.8 數據標註的角色 93
課後實訓 93
項目９ 圖像數據標註 94
項目描述 94
知識準備 94
9.1 常見的圖像數據標註工具 94
9.2 常用的數據標註數據集 95
9.3 圖像數據標註質量標準 96
9.4 圖像數據標註的應用領域 96
9.4.1 自動駕駛領域 96
9.4.2 工業質檢領域 98
9.4.3 智能安防領域 98
項目實施 標註“垃圾分類”數據集 99
9.5 實施思路 99
9.6 實施步驟 99
知識拓展 102
課後實訓 103
項目10 文本數據標註 104
項目描述 104
知識準備 104
10.1 文本實體標註 104
10.2 文本情感分類標註 105
10.3 文本相似度標註 105
項目實施 標註“微博文本情感分類”數據集 105
10.4 實施思路 105
10.5 實施步驟 106
知識拓展 108
課後實訓 108
第4篇 深度學習應用實戰 110
項目11 深度學習圖像分類應用實戰 111
項目描述 111
知識準備 111
11.1 智能垃圾分類的行業背景 111
11.2 智能垃圾分類的流程 112
11.2.1 數據標註 112
11.2.2 模型訓練 114
11.3 智能垃圾分類的應用 115
項目實施 垃圾分類 116
11.4 實施思路 116
11.5 實施步驟 116
知識拓展 138
課後實訓 139
項目12 深度學習情感分析應用實戰 140
項目描述 140
知識準備 140
12.1 情感分析的行業背景 140
12.2 智能情感分析的流程 142
12.2.1 數據準備 142
12.2.2 數據處理 142
12.2.3 數據標註 143
12.2.4 模型訓練 143
項目實施 情感分析 144
12.3 實施思路 144
12.4 實施步驟 144
知識拓展 159
課後實訓 160
