人工智能應用基礎

本書首先從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內涵、新千年人工智能的發展進行了簡要論述。第二部分詳細講述了人工智能中的知識表示、機器學習、神經網絡與深度學習、智能語音技術、電腦視覺、自然語言處理和知識圖譜技術等基礎知識，並通過人工智能在醫療、交通、生活、金融、零售、安防中的經典的成功應用案例讓讀者更好的瞭解人工智能技術的發展和我們生活的關切度。最後對人工智能的未來進行了展望，提出人工智能背景時代下大學生就業和創業前景和機遇，幫助大學生應對人工智能背景下的職業規劃。形成一個融理論教學、科學訓練、創新實踐為一體的過程化的人工智能課程體系和協同培養機制，使所培養的人才在基礎知識、專業知識、實踐能力、創新能力、倫理道德以及科學與職業素質等方面得到全面均衡的發展。

畢業於桂林電子科技大學物流工程專業，碩士學位，副教授。
曾任北京航空航天大學北海學院教務處長，廣西高等學校實驗室工作研究會副理事長，現擔任科大訊飛股份公司院校合作執行院長。
主持參與10多項省、市廳級教學改革與科研課題研究，國內外知名期刊發表學術論文20餘篇，獲得全國大學生大學英語等級考試、計算機等級考試優秀工作者，曾指導學生獲得互聯網+大賽廣西區銀獎和挑戰者杯金獎，擁有豐富的教學運行管理經驗。

第1章 初識人工智能
1.1 無處不在的人工智能
1.1.1 科幻片中描繪的人工智能
1.1.2 人工智能的發展現狀
1.2 人工智能追根溯源
1.2.1 人工智能的由來
1.2.2 人工智能的基本概念
1.2.3 人工智能的發展歷程
1.3 人工智能雲應用場景
1.3.1 什麼是人工智能雲服務
1.3.2 為什麼人工智能需要遷移到雲端
1.3.3 人工智能雲服務的類型
1.3.4 體驗人工智能雲應用
1.4 未來發展趨勢
本章小結
課後習題

第2章 機器學習
2.1 認識機器學習
2.1.1 機器學習的定義
2.1.2 機器學習算法的分類
2.1.3 機器學習發展歷程
2.1.4 機器學習的技術原理
2.2 機器學習常用算法
2.2.1 線性回歸
2.2.2 支持向量機
2.2.3 決策樹
2.2.4 K-近鄰算法
2.2.5 樸素貝葉斯算法
2.2.6 K均值聚類算法
2.3 監督學習案例：計算機學習計算平均分
2.4 無監督學習案例：K平均聚類算法實現
2.5 應用場景
2.6 未來展望
本章小結
課後習題

第3章 深度神經網絡
3.1 神經網絡簡介
3.1.1 神經元結構
3.1.2 感知機概述
3.1.3 神經網絡結構
3.2 深度學習簡介
3.2.1 深度神經網絡
3.2.2 卷積神經網絡及原理
3.2.3 經典深度學習模型
3.3 主流深度學習框架及使用
3.3.1 TensorFlow簡介
3.3.2 PyTorch簡介
3.3.3 Caffe簡介
3.3.4 PaddlePaddle簡介
3.3.5 TensorFlow的使用
3.4 應用場景
3.4.1 人工神經網絡在信息領域中的應用
3.4.2 人工神經網絡在醫學中的應用
3.4.3 人工神經網絡在經濟領域中的應用
3.4.4 人工神經網絡在交通領域中的應用
3.4.5 人工神經網絡在心理學領域中的應用
本章小結
課後習題

第4章 知識圖譜及應用
4.1 知識圖譜的概念
4.1.1 知識圖譜的定義
4.1.2 知識圖譜的表示
4.1.3 知識圖譜技術的發展歷程
4.2 知識圖譜的特點
4.3 知識圖譜構建
4.3.1 業務問題定義
4.3.2 數據的收集與預處理
4.3.3 知識圖譜的設計
4.3.4 知識圖譜的存儲
4.3.5 上層應用開發與系統評估
4.4 案例實現：客戶意圖理解
4.5 應用場景
本章小結
課後習題

第5章 智能語音技術及應用
5.1 語音基本知識
5.2 語音識別
5.2.1 語音識別的概念
5.2.2 語音識別的工作原理
5.2.3 語音識別系統的實現
5.2.4 語音識別的應用
5.3 語音合成
5.3.1 語音合成的概念
5.3.2 語音合成的應用
5.4 聲紋識別
5.4.1 什麼是聲紋
5.4.2 聲紋識別技術
5.5 案例實現：客服回複音頻化
5.6 應用場景
5.7 現狀、未來展望
本章小結
課後習題

第6章 自然語言處理及應用
6.1 智能語音助手
6.2 自然語言處理概述
6.2.1 自然語言處理的發展歷程
6.2.2 自然語言處理的一般流程
6.2.3 自然語言處理的研究內容
6.2.4 自然語言處理中的難點
6.3 案例實現：用戶評價情感分析
6.4 應用場景
6.4.1 機器翻譯
6.4.2 垃圾郵件分類
6.4.3 信息抽取
6.4.4 文本情感分析
6.4.5 智能問答
6.4.6 個性化推薦
6.5 未來展望
本章小結
課後習題

第7章 計算機視覺技術及應用
7.1 計算機視覺基本知識
7.2 人臉識別
7.2.1 人臉識別概念
7.2.2 人臉識別應用
7.3 圖像識別
7.3.1 圖像識別基礎知識
7.3.2 圖像識別與深度學習
7.3.3 圖像識別技術的應用
7.4 文字識別
7.4.1 OCR基本概念
7.4.2 OCR常見應用
7.5 人體分析及應用
7.6 訊飛開放平台使用方法和途徑
7.7 案例實現：公司會展人流統計
7.8 應用場景
7.8.1 視頻/監控分析
7.8.2 工業視覺檢測
7.8.3 醫療影像診斷
本章小結
課後習題

第8章 智能機器人
8.1 智能機器人概述
8.1.1 智能機器人的定義
8.1.2 智能機器人的分類
8.1.3 智能機器人關鍵技術
8.2 服務機器人
8.2.1 服務機器人的概念
8.2.2 服務機器人的應用
8.3 無人車
8.4 案例實現：智能問答系統
8.5 應用場景
本章小結
課後習題

第9章 大數據與商業智能
9.1 大數據
9.1.1 大數據是什麼
9.1.2 大數據技術體系
9.1.3 大數據技術
9.1.4 大數據與人工智能的關係
9.2 商業智能
9.3 案例實現：銷售數據分析
9.3.1 提出問題
9.3.2 解決方案
9.3.3 預備知識
9.3.4 任務1——導入數據、設置格式
9.3.5 任務2——建立數據模型
9.3.6 任務3——新建列和新建度量值
9.3.7 任務4——數據可視化
9.3.8 任務5——製作交互式可視化面板
9.3.9 任務6——數據分析
9.4 應用場景
9.4.1 尿布與啤酒
9.4.2 數據新聞讓英國撤軍
9.4.3 微軟大數據成功預測奧斯卡21項大獎
9.4.4 Google成功預測冬季流感
本章小結
課後習題

第10章 人工智能之Python基礎
10.1 Python概述
10.1.1 了解Python
10.1.2 Python的版本
10.2 搭建Python開發環境
10.2.1 Python開發環境概述
10.2.2 安裝Python
10.2.3 第一個Python程序
10.3 Python開發工具
10.3.1 使用自帶的IDLE
10.3.2 常用的第三方開發工具
10.4 案例：跳水比賽打分程序
10.4.1 提出問題
10.4.2 解決方案
10.4.3 預備知識
10.4.4 任務1——生成選手的10個分數
10.4.5 任務2——得到選手的8個有效分
10.4.6 任務3——計算選手的平均分和最後得分
10.4.7 任務4——將選手的得分寫入Excel文件
10.4.8 任務5——將所有選手的得分寫入二維列表
10.4.9 任務6——將所有選手的信息寫入二維列表
10.4.10 任務7——將所有選手的得分排序後寫入Excel文件
10.5 應用場景
10.5.1 Python的應用場景
10.5.2 Python的應用方向
本章小結
課後習題

第11章 人工智能展望
11.1 智能時代的到來
11.1.1 人工智能的發展方向
11.1.2 人工智能發展態勢與思考
11.2 智能時代對道德與法律的影響
11.2.1 智能機器的道德主體地位的思考
11.2.2 人工智能發展引發情感倫理問題
11.2.3 人工智能引發新的社會安全和公平正義問題
11.2.4 智能時代的數字鴻溝
11.2.5 人工智能與法律
11.3 智能時代背景下的職業規劃面臨的機遇與挑戰
11.3.1 人工智能背景下職業規劃面臨的機遇
11.3.2 人工智能背景下職業規劃面臨的挑戰
本章小結
課後習題

附錄
附錄A 準備人工智能開發環境
附錄B 註冊成為AI開放平台開發者
附錄C 利用FFmpeg軟件進行音頻格式轉換
附錄D TensorFlow框架的安裝配置
附錄E 智能對話系統設計與實施
附錄F 第一批AI國家開放創新平台功能
參考文獻