热门关键字:  听力密码  单词密码  新概念美语  巧用听写练听力  零起点

人工智能应用基础

中国水利水电出版社
    【作 者】主编 杨缨 李佳 【I S B N 】978-7-5226-0652-1 【责任编辑】石永峰 【适用读者群】高职高专 【出版时间】2022-06-13 【开 本】16开 【装帧信息】平装(光膜) 【版 次】第1版第1次印刷 【页 数】240 【千字数】355 【印 张】15 【定 价】45 【丛 书】高等职业教育通识类课程新形态教材 【备注信息】
图书详情

    内 容 提 要

    当前人工智能已经广泛应用于社会生活的各个领域,成为人们生活和工作中不可或缺的组成部分,学习人工智能知识、掌握人工智能应用技术是高职高专学生建设未来智能社会的必要条件。

    本书的编写以教育部印发的《高等职业教育专科信息技术课程标准(2021年版)》为依据,内容既符合高职学生的特点,又突出人工智能的通识性、典型性和实用性。本书精心设计了多个人工智能应用的实训项目,每个项目由递进式的任务组成,便于教师开展分层次教学。书中程序均在Python 3环境下进行了验证,可以通过扫描二维码来观看相应的操作视频。全书共分10章:人工智能概述、Python语言基础、Python流程控制、Python数据类型、Python函数与文件操作、图像与文字识别、人脸识别、语音技术、自然语言处理、机器学习与神经网络简介。

    本书既可作为高职高专院校人工智能通识教育的计算机公共课教材,又可作为人工智能爱好者的自学教材。

    本书提供电子教案和程序代码,读者可以从中国水利水电出版社网站(www.waterpub.com.cn)或万水书苑网站(www.wsbookshow.com)免费下载。

    前 言

    随着时代的发展,人工智能已经成为推动经济社会发展的新引擎,人工智能技术逐步成为科技未来发展的趋势,当前人工智能已经广泛应用于社会生活的各个领域,成为人们生活和工作中不可或缺的组成部分,掌握人工智能基础知识、应用人工智能技术是人们在各领域工作中应当掌握的必备技能。

    编者在编写本书时,以2018年教育部印发的《高等学校人工智能创新行动计划》文件精神为指导,以教育部印发的《高等职业教育专科信息技术课程标准(2021年版)》为依据,按照计算机公共课教学的基本要求,立足于人工智能技术发展对人才的职业素养要求,紧跟人工智能主流技术,培养人工智能素养、计算思维能力和人工智能应用能力,使读者能利用人工智能的手段解决行业问题。这是一本集人工智能的通识性、典型性、实用性和可操作性于一体的适合高职学生特点的一体化教材。

    本书特色如下:

    (1)采用模块化形式对教学内容进行整合,克服了内容枯燥、理论与实践脱节的弊端,能力培养从人工智能的认知理解层面提高到人工智能的应用层面。

    (2)充分体现项目驱动、任务导向、教学做一体化的教学理念,充分考虑学生的认知能力和规律,将人工智能的应用案例拆解成递进式任务,一方面降低学生完成项目的难度,另一方面利于教师根据学生的特点因材施教,开展分层次教学。

    (3)贯彻新工科教育理念,将计算思维列为学生能力培养的重要目标,将思维方式融入具体的工作任务当中,让学生学会有效解决问题的方法并从中学会处理该类问题的一般思路,从而提高学生的创新能力。

    (4)编写组走访多家不同类型的企业,聘请企业工程师来设计教材内容体系;编者均来自天津职业大学计算机公共课教研室,具有多年一线教学经验,并且都拥有企业项目研发经历,具备一定的实战经验,对技术路线把握准确。

    (5)技术先进,以Python作为人工智能的开发语言,以技术先进、成熟的百度AI开放平台为依托,AI项目涵盖图像与文字识别、人脸识别、语音技术、自然语言处理等主流应用领域,保证了典型性、先进性和实用性。

    本书共分四个模块:人工智能基础知识模块、Python基础模块、人工智能应用模块、机器学习与神经网络简介模块。

    (1)人工智能基础知识模块:介绍人工智能的概念、历史和应用领域,讲述了人工智能开发语言Python的特点、集成开发环境PyCharm的安装和使用方法。

    (2)Python基础模块:介绍Python的语法基础、流程控制结构、数据类型、函数和文件处理,使学生具备初步的Python程序编写能力,为后续的人工智能应用打下基础。

    (3)人工智能应用模块:选取图像与文字识别、人脸识别、语音技术、自然语言处理等人工智能主流应用领域,兼顾通识与技能、理论与实践结合,通过项目案例展示人工智能技术的应用方法,培养学生用人工智能技术解决问题的能力。

    (4)机器学习与神经网络简介模块:介绍机器学习的概念和典型算法、人工神经网络的结构和工作原理、主流人工智能开发框架,通过体验项目让学生对机器学习有感性的认识,揭开人工智能的神秘面纱。

    本书由杨缨、李佳任主编,王拥国、李海凤任副主编,具体编写分工如下:王拥国编写第1章和第2章,李海凤编写第3章和第4章,杨缨编写第5章至第8章,李佳编写第9章和第10章,杨缨负责全书统稿、修改、定稿工作。

    由于编者水平有限,书中不足甚至错误之处在所难免,恳请读者批评指正。

    编 者

    2022年3月

    前言
    第1章 人工智能概述 1
    1.1 人工智能的概念 1
    1.1.1 图灵测试 1
    1.1.2 人工智能的概念描述 2
    1.2 人工智能的诞生与发展 3
    1.2.1 人工智能的诞生 3
    1.2.2 第一次兴衰 3
    1.2.3 第二次兴衰 3
    1.2.4 第三次兴衰 4
    1.3 人工智能在各行业的应用现状 4
    1.3.1 智能传媒 5
    1.3.2 智能制造 6
    1.3.3 智能安防 6
    1.3.4 智能客服 7
    1.3.5 自动驾驶 8
    1.3.6 智能金融 9
    1.3.7 智能教育 10
    1.3.8 智能机器人 10
    1.4 人工智能开发语言Python 11
    1.4.1 Python的由来 11
    1.4.2 Python的特点 12
    1.4.3 Python的应用领域 12
    1.4.4 Python的安装 13
    1.4.5 集成开发环境—PyCharm 16
    1.5 用PyCharm开发第一个程序 17
    1.6 本章小结 21
    课后习题 21
    第2章 Python语言基础 23
    2.1 基本语法 23
    2.1.1 行与缩进 23
    2.1.2 注释 24
    2.1.3 语句换行 25
    2.2 变量 25
    2.2.1 变量的命名 26
    2.2.2 变量的赋值 26
    2.3 基本数据类型 27
    2.3.1 数值型 27
    2.3.2 字符串型 28
    2.3.3 布尔型 29
    2.3.4 数据类型转换 29
    2.4 输入函数 30
    2.5 输出函数 31
    2.5.1 print()函数 31
    2.5.2 格式化输出 31
    2.6 运算符 34
    2.6.1 算术运算符 34
    2.6.2 复合赋值运算符 35
    2.6.3 比较运算符 36
    2.6.4 逻辑运算符 37
    2.6.5 运算符的优先级 38
    2.7 程序练习 39
    2.8 本章小结 40
    课后习题 40
    第3章 Python流程控制 43
    3.1 流程图的表示符号 43
    3.2 顺序结构 44
    3.3 选择结构 45
    3.3.1 if语句 45
    3.3.2 if…else…语句 47
    3.3.3 if…elif…语句 48
    3.3.4 if语句嵌套 50
    3.4 循环结构 52
    3.4.1 while循环 52
    3.4.2 for循环 54
    3.4.3 break语句 57
    3.4.4 continue语句 57
    3.4.5 循环嵌套 58
    3.5 程序练习 59
    3.6 本章小结 62
    课后习题 62
    第4章 Python数据类型 65
    4.1 字符串 65
    4.1.1 访问字符串中的元素 66
    4.1.2 字符串运算符 66
    4.1.3 字符串函数 67
    4.2 列表 70
    4.2.1 列表类型 70
    4.2.2 列表函数 71
    4.3 元组 74
    4.3.1 元组类型 74
    4.3.2 元组函数 76
    4.4 字典 76
    4.4.1 字典类型 76
    4.4.2 字典函数 78
    4.4.3 字典的遍历 79
    4.5 集合 81
    4.5.1 集合函数 81
    4.5.2 集合运算 83
    4.6 程序练习 83
    4.7 本章小结 87
    课后习题 87
    第5章 Python函数与文件操作 90
    5.1 自定义函数 90
    5.1.1 函数的定义与调用 90
    5.1.2 函数的参数 92
    5.1.3 函数的返回值 93
    5.1.4 变量作用域 96
    5.2 常用的内置函数 97
    5.3 模块 97
    5.3.1 模块的概念 97
    5.3.2 模块的导入 98
    5.3.3 自定义模块 98
    5.3.4 标准模块 99
    5.3.5 第三方模块 100
    5.4 文件操作 104
    5.4.1 文件路径的概念 104
    5.4.2 文件的打开与关闭 105
    5.4.3 文件的读写操作 106
    5.4.4 使用with语句操作文件 108
    5.5 程序练习 109
    5.6 本章小结 112
    课后习题 113
    第6章 图像与文字识别 115
    6.1 图像识别技术简介 115
    6.1.1 图像识别的引入 115
    6.1.2 图像识别的工作过程简介 116
    6.1.3 图像识别的典型应用领域 116
    6.1.4 百度AI开放平台的图像识别接口简介 117
    6.2 项目:动物识别 120
    6.2.1 实现目标及解决方案 120
    6.2.2 实施前的准备环节 121
    6.2.3 任务1:识别程序中指定的图片 124
    6.2.4 任务2:识别用户指定的图片并完善显示效果 127
    6.3 文字识别技术简介 129
    6.3.1 OCR的基本概念 129
    6.3.2 OCR的典型应用领域 130
    6.3.3 百度AI开放平台的文字识别接口简介 130
    6.4 项目:文字识别 132
    6.4.1 实现目标及解决方案 132
    6.4.2 实施前的准备环节 133
    6.4.3 任务1:单张图片的文字识别 135
    6.4.4 任务2:多张图片的文字识别 138
    6.5 本章小结 140
    课后习题 140
    第7章 人脸识别 141
    7.1 人脸识别技术简介 141
    7.1.1 人脸识别技术的概念及特点 141
    7.1.2 人脸识别的基本步骤 142
    7.1.3 人脸识别中的关键技术 143
    7.2 人脸识别技术的应用 144
    7.2.1 人脸识别技术的应用场景 144
    7.2.2 人脸识别技术的应用模式 145
    7.3 项目:两张照片的人脸比对 146
    7.3.1 实现目标及解决方案 146
    7.3.2 实施前的准备环节 147
    7.3.3 任务1:单人照的人脸比对 150
    7.3.4 任务2:人脸位置检测 154
    7.3.5 任务3:合照的人脸比对 157
    7.4 本章小结 160
    课后习题 160
    第8章 语音技术 162
    8.1 语音识别技术简介 162
    8.1.1 语音识别的基本概念 162
    8.1.2 语音识别的应用场景 163
    8.2 项目:语音识别 164
    8.2.1 实现目标及解决方案 164
    8.2.2 实施前的准备环节 164
    8.2.3 任务1:最简单的语音识别 167
    8.2.4 任务2:格式转换的语音识别 170
    8.3 语音合成技术简介 176
    8.3.1 语音合成的基本概念 176
    8.3.2 语音合成的应用场景 176
    8.4 项目:语音合成 177
    8.4.1 实现目标及解决方案 177
    8.4.2 实施前的准备环节 177
    8.4.3 任务1:最简单的语音合成 180
    8.4.4 任务2:个性化的语音合成 182
    8.5 本章小结 184
    课后习题 184
    第9章 自然语言处理 186
    9.1 自然语言处理简介 186
    9.1.1 自然语言处理的研究方向 186
    9.1.2 自然语言处理的发展历史 187
    9.2 百度AI开放平台的自然语言处理接口简介 188
    9.3 项目:商品评价分析 193
    9.3.1 实现目标及解决方案 193
    9.3.2 实施前的准备环节 193
    9.3.3 任务1:收集用户评价数据 195
    9.3.4 任务2:单条用户评价的情感倾向分析 199
    9.3.5 任务3:多条用户评价的情感倾向分析 202
    9.3.6 任务4:单条用户评价的观点抽取 204
    9.3.7 任务5:多条用户评价的观点抽取 207
    9.4 本章小结 209
    课后习题 209
    第10章 机器学习与神经网络简介 211
    10.1 机器学习简介 211
    10.1.1 机器学习的定义 211
    10.1.2 机器学习的分类 212
    10.2 机器学习的常用算法 214
    10.2.1 线性回归 214
    10.2.2 决策树 216
    10.2.3 K-近邻算法 217
    10.2.4 朴素贝叶斯算法 218
    10.2.5 K均值聚类算法 218
    10.3 人工神经网络简介 219
    10.3.1 人工神经网络概述 219
    10.3.2 神经元模型 220
    10.3.3 神经网络结构 221
    10.3.4 神经网络的工作原理 222
    10.4 主流人工智能开发框架简介 223
    10.4.1 TensorFlow简介 223
    10.4.2 PyTorch简介 223
    10.4.3 Caffe简介 224
    10.4.4 PaddlePaddle简介 224
    10.5 项目:受教育年限与收入水平的线性回归 225
    10.5.1 实现目标及解决方案 225
    10.5.2 实施前的准备环节 226
    10.5.3 项目实施 227
    10.6 本章小结 229
    课后习题 229
    参考文献 230
最新评论共有 0 位网友发表了评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码:
匿名?
注册