本书按照人工智能在不同领域的研究特点,通过专项应用来研究相关技术。
全书分为11章,第1章介绍人工智能领域的基本概念,第2章说明Python语言编程工具的使用,第3章到第10章分别从应答机器人、物体识别、人脸识别、语音识别、视频识别、生成对抗神经网络、无人驾驶、区块链和大数据等方面对人工智能从原理到实战一步一步进行介绍,第11章提取了部分人工智能方面的面试题,供未来从事人工智能研究工作的读者参考。
无论读者是否从事计算机相关专业的工作,有没有过开发的经验,是否熟悉Python语言,是否想要转行从事相关的工作,均可通过本书掌握编程的技巧和Python的基本技能。
李刚,网易云课堂人工智能认证行家,51CTO学院讲师,CSDN博客讲师,曾在思远IT学院、八维教育、中软国际、中公教育等单位任职教师、就业实训主任、项目经理。对Java、Python等时下流行的语言掌握熟练,对大数据和人工智能领域的技术有深入研究。
目录
第1章 人工智能时代的开始
1.1 由机器学习到人工智能的定义
1.2 人工智能发展史
1.3 认知机器学习
1.3.1 机器学习概念
1.3.2 机器学习方式
1.4 深度学习
1.4.1 深度学习起源于感知机
1.4.2 通过激活函数实现微调
1.4.3 深度学习的输出层
1.5 人工智能相关概念
1.5.1 训练数据集
1.5.2 验证数据集
1.5.3 测试数据集
1.5.4 过拟合和欠拟合
1.6 人工智能学习方向概览
1.7 本章小结
第2章Python语言基础介绍
2.1 Python编辑环境的搭建
2.1.1 搭建Python运行环境
2.1.2 Python环境变量的设置
2.1.3 PyCharm编辑工具的安装
2.1.4 启动PyCharm工具
2.1.5 PyCharm创建第一个Python程序
2.2 Python程序入门
2.2.1 顺序结构
2.2.2 条件分支结构
2.2.3 循环结构
2.3 Python函数功能的实现
2.4 Python数据类型的认识
2.5 Python编程逻辑实战
2.6 本章小结
第3章 应答机器人
3.1 简易应答机器人实现
3.2 应答机器人的分类思维
3.2.1 畅聊与尬聊的分类思维
3.2.2 畅聊和尬聊分类中的噪声
3.2.3 畅聊和尬聊的多分类问题
3.3 问题推荐与意图表达
3.4 Softmax多分类算法
3.5 AIML模块实战应答机器人
3.6 本章小结
第4章 驾驭物体识别
4.1 计算机视觉对图像的理解
4.2 计算机视觉的任务
4.3 物体检测
4.3.1 滑动窗口法
4.3.2 图像金字塔
4.3.3 YOLO设计理念与CNN模型
4.4 BOW原理
4.5 ImageAI模块使用实战
4.5.1 ImageAI模块的安装
4.5.2 ImageAI模块实现物体检测
4.6 本章小结
第5章 直击人脸识别
5.1 人脸识别的理解
5.2 人脸识别的发展简史
5.3 人脸识别系统组成
5.3.1 数据获取
5.3.2 图像预处理
5.3.3 人脸识别的主要算法
5.3.4 人脸识别的主要特征点
5.3.5 人脸检测和人脸识别的技术指标
5.4 人脸识别模块实战
5.4.1 人脸识别模块face-recognition的安装
5.4.2 face-recognition人脸识别模块的脸部位置检测
5.4.3 face-recognition人脸识别模块的脸部识别
5.4.4 face-recognition人脸识别模块的脸部关键点检测及美妆
5.5 本章小结
第6章 揭秘语音识别
6.1 关于对音频的认知
6.2 音频信号识别过程
6.2.1 梅尔频率倒谱系数
6.2.2 隐马尔可夫模型
6.2.3 N-Gram统计语言模型
6.3 语音波形和识别实战
6.3.1 librosa模块实战语音波形
6.3.2 librosa模块实战梅尔频率倒谱系数
6.3.3 SpeechRecognition实战语音识别
6.4 本章小结
第7章 聚焦视频识别
7.1 关于对视频的认知
7.2 视频编解码技术的认知
7.3 视频理解中的行为识别
7.3.1 时空关键点法
7.3.2 双流法的行为识别
7.4 视频理解中的场景识别
7.5 ImageAI模块使用实战
7.6 本章小结
第8章 生成对抗神经网络处理图像
8.1 从囚徒困境谈起
8.2 生成对抗神经网络
8.3 生成对抗神经网络的应用场景
8.3.1 图像生成
8.3.2 多域图像生成
8.3.3 图像转换
8.3.4 多域图像转换
8.3.5 对象检测
8.3.6 对象变换
8.3.7 文本转图像
8.4 生成对抗神经网络的架构
8.5 生成对抗神经网络的训练方法
8.6 生成对抗神经网络的优劣
8.7 生成对抗神经网络的训练实战
8.8 本章小结
第9章 感知无人驾驶
9.1 无人驾驶研究的必要性
9.2 无人驾驶的概念
9.3 无人驾驶系统的基本架构
9.3.1 环境感知
9.3.2 定位
9.3.3 任务规划
9.3.4 行为规划
9.3.5 动作规划
9.3.6 预测控制
9.4 sklearn模块实战分类
9.4.1 欧氏距离:KNN分类原理与实现
9.4.2 贝叶斯算法:朴素贝叶斯分类原理与实现
9.4.3 决策之树:决策树分类原理与实现
9.5 本章小结
第10章 区块链协同大数据
10.1 关于对区块链的认知
10.2 区块链的原理
10.3 区块链的相关概念
10.3.1 区块
10.3.2 哈希算法
10.3.3 公钥和私钥
10.3.4 时间戳
10.4 大数据产业的理解
10.4.1 数据采集
10.4.2 数据存储
10.4.3 数据建模
10.4.4 数据分析
10.5 大数据框架介绍
10.5.1 Hadoop框架
10.5.2 Hadoop环境搭建
10.5.3 MapReduce组件
10.5.4 Spark框架
10.6 经典的大数据WordCount程序
10.7 本章小结
第11章 人工智能面试指导
11.1 引导面试题选集
11.2 未来研究方向