本教材较为全面地介绍人工智能技术服务、人工智能开放平台应用与实践等内容。全书共12个项目，包括人工智能的技术与应用设计、产业与应用开发，智能数据服务平台入门使用、数据采集、数据清洗、图像标注，深度学习模型定制平台入门使用、模型训练、模型部署，深度学习开发平台视觉任务应用、文本任务应用、声音任务应用等。本教材以企业用人需求为导向、以岗位技能和综合素质培养为核心，通过理论与实战相结合的方式组织内容，努力培养能够根据深度学习项目需求，利用深度学习开发平台完成深度学习应用开发等的人才。
本教材适合用于1 X证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（初级）的教学和培训，也适合作为中等职业学校、高等职业学校、应用型本科院校人工智能相关专业的教材，还适合作为需补充学习深度学习应用开发知识的技术人员的参考用书。

1. 引入百度人工智能工具平台技术和产业实际案例，深化产教融合
2. 以岗课赛证融通为设计思路，培养高素质技术技能型人才
3. 理论与实践紧密结合，注重动手能力的培养
4. 融媒体教材

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。

第 1篇 人工智能技术服务 1
项目１ 人工智能技术与应用设计 2
项目目标 2
项目描述 2
知识准备 2
1.1 智能与人工智能 2
1.1.1 智能的定义 3
1.1.2 人工智能的定义 3
1.2 人工智能关键技术 3
1.2.1 机器学习 3
1.2.2 深度学习 4
1.2.3 计算机视觉 5
1.2.4 自然语言处理 5
1.2.5 知识图谱 6
1.2.6 人机交互 6
1.3 人工智能场景下的应用设计方案分析 7
1.3.1 场景需求分析 7
1.3.2 设计方案分析 7
项目实施 9
1.4 实施思路 9
1.5 实施步骤 9
知识拓展 11
1.6 图灵测试 11
1.7 图灵测试的缺陷 12
课后实训 12
项目2 人工智能产业与应用开发 13
项目目标 13
项目描述 13
知识准备 14
2.1 人工智能产业结构 14
2.2 人工智能基础层相关产品 14
2.2.1 硬件设施 14
2.2.2 软件设施 15
2.2.3 数据资源 16
2.3 人工智能技术层相关产品 16
2.3.1 基础框架 16
2.3.2 算法模型 17
2.3.3 通用技术 17
2.4 人工智能应用层相关产品 17
2.4.1 应用平台 17
2.4.2 智能应用场景 18
2.5 人工智能应用开发的基本流程 18
2.5.1 需求分析 18
2.5.2 数据准备 19
2.5.3 模型训练 20
2.5.4 模型应用 20
项目实施 20
2.6 实施思路 20
2.7 实施步骤 20
知识拓展 23
课后实训 24
第 2篇 智能数据服务平台应用 25
项目3 智能数据服务平台入门使用 26
项目目标 26
项目描述 26
知识准备 26
3.1 智能数据服务平台简介 26
3.2 智能数据服务平台功能 27
3.2.1 数据采集 27
3.2.2 数据清洗 28
3.2.3 数据标注 28
3.3 智能数据服务平台优势 29
项目实施 29
3.4 实施思路 29
3.5 实施步骤 30
知识拓展 35
课后实训 36
项目4 智能数据服务平台数据采集 37
项目目标 37
项目描述 37
知识准备 37
4.1 数据的定义 37
4.2 数据的分类 38
4.2.1 按照字段类型分类 38
4.2.2 按照数据结构分类 38
4.2.3 其他分类 40
4.3 构建高质量数据集 40
4.3.1 获取足够的数据量 40
4.3.2 采集高质量的数据 42
4.3.3 创建高质量的分类 43
4.3.4 拆分数据集 43
项目实施 44
4.4 实施思路 44
4.5 实施步骤 44
知识拓展 51
课后实训 52
项目5 智能数据服务平台数据清洗 53
项目目标 53
项目描述 53
知识准备 53
5.1 数据清洗的定义 53
5.2 数据清洗的对象 54
5.2.1 残缺数据 54
5.2.2 错误数据 54
5.2.3 重复数据 54
5.3 数据清洗的作用 55
5.4 数据质量的评估准则 55
5.4.1 完整性 55
5.4.2 一致性 56
5.4.3 准确性 56
项目实施 56
5.5 实施思路 56
5.6 实施步骤 57
知识拓展 64
课后实训 65
项目6 智能数据服务平台图像标注 66
项目目标 66
项目描述 66
知识准备 66
6.1 图像标注的定义 66
6.2 常见的图像标注方式 67
6.2.1 2D边界框标注 67
6.2.2 3D长方体标注 68
6.2.3 多边形标注 68
6.2.4 关键点标注 69
6.2.5 折线标注 69
6.2.6 语义分割 69
6.3 图像标注流程 70
6.3.1 确定标注规则 70
6.3.2 试标注 71
6.3.3 标注检查 71
6.3.4 模型训练 71
6.3.5 预标注 71
6.3.6 补充标注 72
6.4 图像标注通用规则 72
6.4.1 贴边规则 72
6.4.2 重叠规则 72
6.4.3 独立规则 73
6.4.4 不框规则 73
6.4.5 边界检查规则 74
6.4.6 小目标规则 74
项目实施 74
6.5 实施思路 74
6.6 实施步骤 74
知识拓展 84
6.7 XML的定义 84
6.8 XML文件的作用 85
课后实训 85
第3篇 深度学习模型定制平台应用 87
项目7 深度学习模型定制平台入门使用 88
项目目标 88
项目描述 88
知识准备 89
7.1 深度学习模型定制平台的简介 89
7.2 深度学习模型定制平台的功能 89
7.2.1 EasyDL图像 89
7.2.2 EasyDL文本 91
7.2.3 EasyDL语音 93
7.2.4 EasyDL OCR 94
7.2.5 EasyDL视频 94
7.2.6 EasyDL结构化数据 95
7.3 深度学习模型定制平台的优势 96
项目实施 97
7.4 实施思路 97
7.5 实施步骤 97
知识拓展 107
课后实训 108
项目8 深度学习模型定制平台模型训练 109
项目目标 109
项目描述 109
知识准备 110
8.1 物体检测模型的应用场景 110
8.1.1 视频图像监控 110
8.1.2 工业生产质检 111
8.1.3 专业领域研究 112
8.2 物体检测模型的训练结果 112
8.2.1 正确识别 112
8.2.2 误识别 113
8.2.3 漏识别 113
8.3 物体检测模型的评估指标 114
8.3.1 准确率 114
8.3.2 精确率 114
8.3.3 召回率 114
8.3.4 假正类率 115
8.3.5 F1分数 115
8.3.6 平均精度 115
8.4 EasyDL训练物体检测模型的基本流程 116
项目实施 116
8.5 实施思路 116
8.6 实施步骤 117
知识拓展 124
课后实训 124
项目9 深度学习模型定制平台模型部署 126
项目目标 126
项目描述 126
知识准备 127
9.1 深度学习模型部署流程 127
9.2 深度学习模型定制平台的部署方法 127
9.2.1 图像类模型部署方法 127
9.2.2 文本类模型部署方法 128
9.3 人工智能边缘开发设备及摄像头 128
项目实施 129
9.4 实施思路 129
9.5 实施步骤 129
知识拓展 140
9.6 获取Access Token 140
9.7 API请求返回参数 141
9.8 错误码 141
课后实训 143
第4篇 深度学习综合应用 144
项目１0 深度学习开发平台视觉任务应用 145
项目目标 145
项目描述 145
知识准备 146
10.1 工业质检行业背景 146
10.2 智能工业质检流程 147
10.3 工业质检行业应用 147
项目实施 148
10.4 实施思路 148
10.5 实施步骤 148
知识拓展 159
课后实训 160
项目１1 深度学习开发平台文本任务应用 161
项目目标 161
项目描述 161
知识准备 161
11.1 文本分类的行业背景 161
11.2 文本分类的流程 162
11.3 文本分类模型的评估指标 162
11.3.1 宏平均和微平均 162
11.3.2 11点平均正确率 163
11.4 文本分类模型的行业应用 163
项目实施 163
11.5 实施思路 163
11.6 实施步骤 164
知识拓展 183
11.7 中文语料库 183
11.8 英文语料库 184
课后实训 184
项目１2 深度学习开发平台声音任务应用 186
项目目标 186
项目描述 186
知识准备 187
12.1 声音分类的概念 187
12.2 声音分类的应用 187
12.3 智能声音分类的流程 187
项目实施 188
12.4 实施思路 188
12.5 实施步骤 189
知识拓展 203
课后实训 204