人工智能平臺應用
李壘，常城
商品描述
本教材較為系統地介紹人工智能技術服務、人工智能開放平臺應用與實踐等內容。全書共12個項目，包括人工智能的技術與應用設計、產業與應用開發，智能數據服務平臺入門使用、數據採集、數據清洗、圖像標註，深度學習模型定製平臺入門使用、模型訓練、模型部署，深度學習開發平臺視覺任務應用、文本任務應用、聲音任務應用等。本教材以企業用人需求為導向、以崗位技能和綜合素質培養為核心，通過理論與實戰相結合的方式組織內容，努力培養能夠根據深度學習項目需求，利用深度學習開發平臺完成深度學習應用開發等的人才。
本教材適合用於“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、高等職業學校、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
李垒，男，河南南阳人，河南省军工系统优秀教育工作者，全国职业院校技能大赛一等奖优秀指导教师。连续多年指导学生参加全国职业院校技能大赛、“蓝桥杯”全国软件专业人才设计与创业大赛、全国高职院校大数据分析大赛、一带一路暨金砖国家技能发展与技术创新大赛等，并多次获得国家级、省级奖项。 主持参与省部级科研项目5项，地厅级项目4项；主持参与省级重点教改项目2项，计算机基础教育研究会项目1项，发明专利1项，新型实用专利14项；获奖4项；发表核心论文8篇。
目錄大綱
第 1篇 人工智能技術服務 1
項目１ 人工智能技術與應用設計 2
項目目標 2
項目描述 2
知識準備 2
1.1 智能與人工智能 2
1.1.1 智能的定義 3
1.1.2 人工智能的定義 3
1.2 人工智能關鍵技術 3
1.2.1 機器學習 3
1.2.2 深度學習 4
1.2.3 電腦視覺 5
1.2.4 自然語言處理 5
1.2.5 知識圖譜 6
1.2.6 人機交互 6
1.3 人工智能場景下的應用設計方案分析 7
1.3.1 場景需求分析 7
1.3.2 設計方案分析 7
項目實施 9
1.4 實施思路 9
1.5 實施步驟 9
知識拓展 11
1.6 圖靈測試 11
1.7 圖靈測試的缺陷 12
課後實訓 12
項目2 人工智能產業與應用開發 13
項目目標 13
項目描述 13
知識準備 14
2.1 人工智能產業結構 14
2.2 人工智能基礎層相關產品 14
2.2.1 硬件設施 14
2.2.2 軟件設施 15
2.2.3 數據資源 16
2.3 人工智能技術層相關產品 16
2.3.1 基礎框架 16
2.3.2 算法模型 17
2.3.3 通用技術 17
2.4 人工智能應用層相關產品 17
2.4.1 應用平臺 17
2.4.2 智能應用場景 18
2.5 人工智能應用開發的基本流程 18
2.5.1 需求分析 18
2.5.2 數據準備 19
2.5.3 模型訓練 20
2.5.4 模型應用 20
項目實施 20
2.6 實施思路 20
2.7 實施步驟 20
知識拓展 23
課後實訓 24
第 2篇 智能數據服務平臺應用 25
項目3 智能數據服務平臺入門使用 26
項目目標 26
項目描述 26
知識準備 26
3.1 智能數據服務平臺簡介 26
3.2 智能數據服務平臺功能 27
3.2.1 數據採集 27
3.2.2 數據清洗 28
3.2.3 數據標註 28
3.3 智能數據服務平臺優勢 29
項目實施 29
3.4 實施思路 29
3.5 實施步驟 30
知識拓展 35
課後實訓 36
項目4 智能數據服務平臺數據採集 37
項目目標 37
項目描述 37
知識準備 37
4.1 數據的定義 37
4.2 數據的分類 38
4.2.1 按照字段類型分類 38
4.2.2 按照數據結構分類 38
4.2.3 其他分類 40
4.3 構建高質量數據集 40
4.3.1 獲取足夠的數據量 40
4.3.2 採集高質量的數據 42
4.3.3 創建高質量的分類 43
4.3.4 拆分數據集 43
項目實施 44
4.4 實施思路 44
4.5 實施步驟 44
知識拓展 51
課後實訓 52
項目5 智能數據服務平臺數據清洗 53
項目目標 53
項目描述 53
知識準備 53
5.1 數據清洗的定義 53
5.2 數據清洗的對象 54
5.2.1 殘缺數據 54
5.2.2 錯誤數據 54
5.2.3 重復數據 54
5.3 數據清洗的作用 55
5.4 數據質量的評估準則 55
5.4.1 完整性 55
5.4.2 一致性 56
5.4.3 準確性 56
項目實施 56
5.5 實施思路 56
5.6 實施步驟 57
知識拓展 64
課後實訓 65
項目6 智能數據服務平臺圖像標註 66
項目目標 66
項目描述 66
知識準備 66
6.1 圖像標註的定義 66
6.2 常見的圖像標註方式 67
6.2.1 2D邊界框標註 67
6.2.2 3D長方體標註 68
6.2.3 多邊形標註 68
6.2.4 關鍵點標註 69
6.2.5 折線標註 69
6.2.6 語義分割 69
6.3 圖像標註流程 70
6.3.1 確定標註規則 70
6.3.2 試標註 71
6.3.3 標註檢查 71
6.3.4 模型訓練 71
6.3.5 預標註 71
6.3.6 補充標註 72
6.4 圖像標註通用規則 72
6.4.1 貼邊規則 72
6.4.2 重疊規則 72
6.4.3 獨立規則 73
6.4.4 不框規則 73
6.4.5 邊界檢查規則 74
6.4.6 小目標規則 74
項目實施 74
6.5 實施思路 74
6.6 實施步驟 74
知識拓展 84
6.7 XML的定義 84
6.8 XML文件的作用 85
課後實訓 85
第3篇 深度學習模型定製平臺應用 87
項目7 深度學習模型定製平臺入門使用 88
項目目標 88
項目描述 88
知識準備 89
7.1 深度學習模型定製平臺的簡介 89
7.2 深度學習模型定製平臺的功能 89
7.2.1 EasyDL圖像 89
7.2.2 EasyDL文本 91
7.2.3 EasyDL語音 93
7.2.4 EasyDL OCR 94
7.2.5 EasyDL視頻 94
7.2.6 EasyDL結構化數據 95
7.3 深度學習模型定製平臺的優勢 96
項目實施 97
7.4 實施思路 97
7.5 實施步驟 97
知識拓展 107
課後實訓 108
項目8 深度學習模型定製平臺模型訓練 109
項目目標 109
項目描述 109
知識準備 110
8.1 物體檢測模型的應用場景 110
8.1.1 視頻圖像監控 110
8.1.2 工業生產質檢 111
8.1.3 專業領域研究 112
8.2 物體檢測模型的訓練結果 112
8.2.1 正確識別 112
8.2.2 誤識別 113
8.2.3 漏識別 113
8.3 物體檢測模型的評估指標 114
8.3.1 準確率 114
8.3.2 精確率 114
8.3.3 召回率 114
8.3.4 假正類率 115
8.3.5 F1分數 115
8.3.6 平均精度 115
8.4 EasyDL訓練物體檢測模型的基本流程 116
項目實施 116
8.5 實施思路 116
8.6 實施步驟 117
知識拓展 124
課後實訓 124
項目9 深度學習模型定製平臺模型部署 126
項目目標 126
項目描述 126
知識準備 127
9.1 深度學習模型部署流程 127
9.2 深度學習模型定製平臺的部署方法 127
9.2.1 圖像類模型部署方法 127
9.2.2 文本類模型部署方法 128
9.3 人工智能邊緣開發設備及攝像頭 128
項目實施 129
9.4 實施思路 129
9.5 實施步驟 129
知識拓展 140
9.6 獲取Access Token 140
9.7 API請求返回參數 141
9.8 錯誤碼 141
課後實訓 143
第4篇 深度學習綜合應用 144
項目１0 深度學習開發平臺視覺任務應用 145
項目目標 145
項目描述 145
知識準備 146
10.1 工業質檢行業背景 146
10.2 智能工業質檢流程 147
10.3 工業質檢行業應用 147
項目實施 148
10.4 實施思路 148
10.5 實施步驟 148
知識拓展 159
課後實訓 160
項目１1 深度學習開發平臺文本任務應用 161
項目目標 161
項目描述 161
知識準備 161
11.1 文本分類的行業背景 161
11.2 文本分類的流程 162
11.3 文本分類模型的評估指標 162
11.3.1 宏平均和微平均 162
11.3.2 11點平均正確率 163
11.4 文本分類模型的行業應用 163
項目實施 163
11.5 實施思路 163
11.6 實施步驟 164
知識拓展 183
11.7 中文語料庫 183
11.8 英文語料庫 184
課後實訓 184
項目１2 深度學習開發平臺聲音任務應用 186
項目目標 186
項目描述 186
知識準備 187
12.1 聲音分類的概念 187
12.2 聲音分類的應用 187
12.3 智能聲音分類的流程 187
項目實施 188
12.4 實施思路 188
12.5 實施步驟 189
知識拓展 203
課後實訓 204
