本书围绕人工智能技术应用框架和认知规律,将“德”与“技”有机结合,由浅入深从“理念—开发—数据—算法—技术—产品—行业—情感”8个认知层面对人工智能技术进行剖析,构建全栈知识体系。本书基于BOPPPS教学方法重构教学环节,主要分为“导入—学习目标—知识探索—案例体验—拓展阅读—本章总结—学习评价—思考探索”8个环节,根据内容适时穿插案例,使读者通过项目实践获得所学即所用的成就感。本书配套案例源代码、习题、教学课件等资源。本书可以作为高等院校人工智能技术、电子信息类、机电一体化、应用电子技术及相关专业的教材,也可以作为相关技术人员的参考用书。
王小玲,女,毕业于中南大学控制专业,主持湖南省科技厅项目1 项(2017),参与省级以上科研项目3 项(2018),取得湖南省科技成果鉴定1 项(2019);获得长沙市科技进步二等奖(2014)、第四届长沙市职工科技创新一等奖(2016)、长沙高新区优秀科技人才(2016)、湖南省科技进步三等奖(2017)。
目录
第1章 人工智能来龙去脉 1
知识探索 2
1.1 人工智能的内涵、特点和分类 2
1.1.1 人工智能的内涵 2
1.1.2 人工智能的特点 3
1.1.3 人工智能的分类 4
1.2 人工智能的发展史 4
1.2.1 起步发展期 6
1.2.2 反思发展期 6
1.2.3 应用发展期 6
1.2.4 低迷发展期 6
1.2.5 稳步发展期 7
1.2.6 蓬勃发展期 7
1.3 人工智能的应用 7
1.3.1 人工智能在交通领域中的应用 8
1.3.2 人工智能在医疗领域中的应用 8
1.3.3 人工智能在金融领域中的应用 8
1.3.4 人工智能在家居领域中的应用 9
1.3.5 人工智能在教育领域中的应用 9
1.3.6 人工智能在制造领域中的应用 9
1.3.7 人工智能在农业领域中的应用 10
1.4 人工智能的未来发展趋势 10
案例体验 11
拓展阅读 12
本章总结 12
学习评价 13
思考探索 14
【参考文献】 15
第2章 人工智能系统开发流程 16
知识探索 17
2.1 人工智能系统构成 17
2.2 人工智能系统开发流程 19
2.2.1 分析业务需求 20
2.2.2 采集/收集数据 21
2.2.3 标注数据 21
2.2.4 训练模型 21
2.2.5 评估模型效果 21
2.2.6 部署模型 21
2.3 人工智能系统开发环境 23
2.3.1 Python 23
2.3.2 PyCharm集成开发环境 24
2.3.3 Anaconda库管理工具 24
2.3.4 常用第三方库 25
案例体验 27
拓展阅读 31
本章总结 32
学习评价 33
思考探索 33
第3章 人工智能数据需求 34
知识探索 35
3.1 事物、数据与信息 35
3.1.1 事物与数据 35
3.1.2 数据与信息 36
3.1.3 数据的类型 37
3.2 大数据的基本特征 39
3.2.1 数据量大 39
3.2.2 数据类型繁多 40
3.2.3 处理速度快 41
3.2.4 价值密度低 42
3.3 大数据的作用 42
3.3.1 改变经济社会管理方式 43
3.3.2 促进行业融合发展 44
3.3.3 推动产业转型升级 44
3.3.4 助力智慧城市建设 45
3.3.5 创新商业模式 45
3.3.6 改变科学研究的方法论 46
3.4 人工智能依赖大数据 46
3.4.1 人工智能与大数据的联系 46
3.4.2 人工智能与大数据的区别 47
案例体验 48
拓展阅读 56
本章总结 56
学习评价 57
思考探索 58
【参考文献】 59
第4章 人工智能计算方法 60
知识探索 61
4.1 数据的运算与算法 61
4.1.1 数据的运算方法 61
4.1.2 算法的定义和特征 61
4.1.3 算法的实现流程 63
4.2 人工智能算法 63
4.2.1 人工智能算法的分类 64
4.2.2 机器学习 65
4.2.3 深度学习 71
4.3 人工智能算法工具 76
4.3.1 常用开源框架 76
4.3.2 算法应用基本方法 78
案例体验 79
拓展阅读 85
本章总结 86
学习评价 87
思考探索 87
【参考文献】 89
第5章 人工智能关键技术 90
知识探索 91
5.1 计算机视觉技术 91
5.1.1 图像处理基础 93
5.1.2 图像分类 94
5.1.3 目标检测 97
5.1.4 图像分割 98
5.2 智能语音技术 101
5.2.1 智能语音系统构成 101
5.2.2 智能语音的应用 105
5.3 自然语言处理技术 106
5.3.1 自然语言处理任务层级 107
5.3.2 自然语言处理技术体系 108
5.3.3 自然语言处理应用 109
5.4 知识图谱技术 111
5.4.1 知识图谱认知 111
5.4.2 知识图谱构建流程 114
案例体验 116
拓展阅读 127
本章总结 128
学习评价 129
思考探索 129
【参考文献】 131
第6章 人工智能产品形态 132
知识探索 133
6.1 人脸识别类产品 133
6.1.1 人脸识别发展现状 134
6.1.2 人脸识别关键技术 135
6.1.3 人脸识别应用领域 138
6.2 智能机器人产品 140
6.2.1 智能感知系统 142
6.2.2 智能决策系统 142
6.2.3 智能执行系统 143
6.2.4 智能交互系统 144
6.3 智能推荐类产品 144
6.3.1 智能推荐系统概述 145
6.3.2 智能推荐基本思想 146
6.3.3 智能推荐系统流程 147
6.3.4 智能推荐系统实例 149
6.3.5 智能推荐系统应用领域 152
6.4 智能语音类产品 152
6.4.1 智能语音助手发展历程 153
6.4.2 智能语音助手关键技术 154
6.4.3 智能语音助手应用领域 154
案例体验 155
拓展阅读 159
本章总结 160
学习评价 161
思考探索 161
【参考文献】 163
第7章 人工智能行业应用 164
知识探索 165
7.1 人工智能+工业 165
7.1.1 工业机器人 165
7.1.2 智能物流 168
7.1.3 智能工厂 171
7.1.4 制造强国 173
7.2 人工智能+医疗 175
7.2.1 医疗机器人 175
7.2.2 智能诊断与诊疗 177
7.2.3 智能健康管理 178
7.3 人工智能+服务 179
7.3.1 智能交通服务 180
7.3.2 智能银行服务 182
7.3.3 智能客户服务 185
7.3.4 智能家居服务 186
案例体验 188
拓展阅读 191
本章总结 192
学习评价 193
思考探索 194
【参考文献】 194
第8章 人工智能伦理法规 195
知识探索 196
8.1 人工智能伦理道德 196
8.1.1 人工智能商业伦理 197
8.1.2 人工智能技术伦理 198
8.1.3 人工智能伦理治理机制 199
8.2 人工智能安全规范 199
8.2.1 人工智能网络空间安全 200
8.2.2 人工智能社会安全 203
8.2.3 人工智能国家安全 205
案例体验 207
拓展阅读 209
本章总结 210
学习评价 211
思考探索 212