展开全部

主编推荐语

人工智能原理与应用:实践案例、就业前景揭秘。

内容简介

本书首先从人工智能的定义讲起,就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识,并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更好的了解人工智能技术的发展和我们生活的关切度。最后对人工智能的未来进行了展望,提出人工智能背景时代下大学生就业和创业前景和机遇,帮助大学生应对人工智能背景下的职业规划。形成一个融理论教学、科学训练、创新实践为一体的过程化的人工智能课程体系和协同培养机制,使所培养的人才在基础知识、专业知识、实践能力、创新能力、伦理道德以及科学与职业素质等方面得到全面均衡的发展。

目录

  • 封面
  • 版权信息
  • 内容简介
  • 前言
  • 第1章 初识人工智能
  • 1.1 无处不在的人工智能
  • 1.1.1 科幻片中描绘的人工智能
  • 1.1.2 人工智能的发展现状
  • 1.2 人工智能追根溯源
  • 1.2.1 人工智能的由来
  • 1.2.2 人工智能的基本概念
  • 1.2.3 人工智能的发展历程
  • 1.3 人工智能云应用场景
  • 1.3.1 什么是人工智能云服务
  • 1.3.2 为什么人工智能需要迁移到云端
  • 1.3.3 人工智能云服务的类型
  • 1.3.4 体验人工智能云应用
  • 1.4 未来发展趋势
  • 本章小结
  • 课后习题
  • 第2章 机器学习
  • 2.1 认识机器学习
  • 2.1.1 机器学习的定义
  • 2.1.2 机器学习算法的分类
  • 2.1.3 机器学习发展历程
  • 2.1.4 机器学习的技术原理
  • 2.2 机器学习常用算法
  • 2.2.1 线性回归
  • 2.2.2 支持向量机
  • 2.2.3 决策树
  • 2.2.4 K-近邻算法
  • 2.2.5 朴素贝叶斯算法
  • 2.2.6 K均值聚类算法
  • 2.3 监督学习案例:计算机学习计算平均分
  • 2.4 无监督学习案例:K平均聚类算法实现
  • 2.5 应用场景
  • 2.6 未来展望
  • 本章小结
  • 课后习题
  • 第3章 深度神经网络
  • 3.1 神经网络简介
  • 3.1.1 神经元结构
  • 3.1.2 感知机概述
  • 3.1.3 神经网络结构
  • 3.2 深度学习简介
  • 3.2.1 深度神经网络
  • 3.2.2 卷积神经网络及原理
  • 3.2.3 经典深度学习模型
  • 3.3 主流深度学习框架及使用
  • 3.3.1 TensorFlow简介
  • 3.3.2 PyTorch简介
  • 3.3.3 Caffe简介
  • 3.3.4 PaddlePaddle简介
  • 3.3.5 TensorFlow的使用
  • 3.4 应用场景
  • 3.4.1 人工神经网络在信息领域中的应用
  • 3.4.2 人工神经网络在医学中的应用
  • 3.4.3 人工神经网络在经济领域中的应用
  • 3.4.4 人工神经网络在交通领域中的应用
  • 3.4.5 人工神经网络在心理学领域中的应用
  • 本章小结
  • 课后习题
  • 第4章 知识图谱及应用
  • 4.1 知识图谱的概念
  • 4.1.1 知识图谱的定义
  • 4.1.2 知识图谱的表示
  • 4.1.3 知识图谱技术的发展历程
  • 4.2 知识图谱的特点
  • 4.3 知识图谱构建
  • 4.3.1 业务问题定义
  • 4.3.2 数据的收集与预处理
  • 4.3.3 知识图谱的设计
  • 4.3.4 知识图谱的存储
  • 4.3.5 上层应用开发与系统评估
  • 4.4 案例实现:客户意图理解
  • 4.5 应用场景
  • 本章小结
  • 课后习题
  • 第5章 智能语音技术及应用
  • 5.1 语音基本知识
  • 5.2 语音识别
  • 5.2.1 语音识别的概念
  • 5.2.2 语音识别的工作原理
  • 5.2.3 语音识别系统的实现
  • 5.2.4 语音识别的应用
  • 5.3 语音合成
  • 5.3.1 语音合成的概念
  • 5.3.2 语音合成的应用
  • 5.4 声纹识别
  • 5.4.1 什么是声纹
  • 5.4.2 声纹识别技术
  • 5.5 案例实现:客服回复音频化
  • 5.6 应用场景
  • 5.7 现状、未来展望
  • 本章小结
  • 课后习题
  • 第6章 自然语言处理及应用
  • 6.1 智能语音助手
  • 6.2 自然语言处理概述
  • 6.2.1 自然语言处理的发展历程
  • 6.2.2 自然语言处理的一般流程
  • 6.2.3 自然语言处理的研究内容
  • 6.2.4 自然语言处理中的难点
  • 6.3 案例实现:用户评价情感分析
  • 6.4 应用场景
  • 6.4.1 机器翻译
  • 6.4.2 垃圾邮件分类
  • 6.4.3 信息抽取
  • 6.4.4 文本情感分析
  • 6.4.5 智能问答
  • 6.4.6 个性化推荐
  • 6.5 未来展望
  • 本章小结
  • 课后习题
  • 第7章 计算机视觉技术及应用
  • 7.1 计算机视觉基本知识
  • 7.2 人脸识别
  • 7.2.1 人脸识别概念
  • 7.2.2 人脸识别应用
  • 7.3 图像识别
  • 7.3.1 图像识别基础知识
  • 7.3.2 图像识别与深度学习
  • 7.3.3 图像识别技术的应用
  • 7.4 文字识别
  • 7.4.1 OCR基本概念
  • 7.4.2 OCR常见应用
  • 7.5 人体分析及应用
  • 7.6 讯飞开放平台使用方法和途径
  • 7.7 案例实现:公司会展人流统计
  • 7.8 应用场景
  • 7.8.1 视频/监控分析
  • 7.8.2 工业视觉检测
  • 7.8.3 医疗影像诊断
  • 本章小结
  • 课后习题
  • 第8章 智能机器人
  • 8.1 智能机器人概述
  • 8.1.1 智能机器人的定义
  • 8.1.2 智能机器人的分类
  • 8.1.3 智能机器人关键技术
  • 8.2 服务机器人
  • 8.2.1 服务机器人的概念
  • 8.2.2 服务机器人的应用
  • 8.3 无人车
  • 8.4 案例实现:智能问答系统
  • 8.5 应用场景
  • 本章小结
  • 课后习题
  • 第9章 大数据与商业智能
  • 9.1 大数据
  • 9.1.1 大数据是什么
  • 9.1.2 大数据技术体系
  • 9.1.3 大数据技术
  • 9.1.4 大数据与人工智能的关系
  • 9.2 商业智能
  • 9.3 案例实现:销售数据分析
  • 9.3.1 提出问题
  • 9.3.2 解决方案
  • 9.3.3 预备知识
  • 9.3.4 任务1——导入数据、设置格式
  • 9.3.5 任务2——建立数据模型
  • 9.3.6 任务3——新建列和新建度量值
  • 9.3.7 任务4——数据可视化
  • 9.3.8 任务5——制作交互式可视化面板
  • 9.3.9 任务6——数据分析
  • 9.4 应用场景
  • 9.4.1 尿布与啤酒
  • 9.4.2 数据新闻让英国撤军
  • 9.4.3 微软大数据成功预测奥斯卡21项大奖
  • 9.4.4 Google成功预测冬季流感
  • 本章小结
  • 课后习题
  • 第10章 人工智能之Python基础
  • 10.1 Python概述
  • 10.1.1 了解Python
  • 10.1.2 Python的版本
  • 10.2 搭建Python开发环境
  • 10.2.1 Python开发环境概述
  • 10.2.2 安装Python
  • 10.2.3 第一个Python程序
  • 10.3 Python开发工具
  • 10.3.1 使用自带的IDLE
  • 10.3.2 常用的第三方开发工具
  • 10.4 案例:跳水比赛打分程序
  • 10.4.1 提出问题
  • 10.4.2 解决方案
  • 10.4.3 预备知识
  • 10.4.4 任务1——生成选手的10个分数
  • 10.4.5 任务2——得到选手的8个有效分
  • 10.4.6 任务3——计算选手的平均分和最后得分
  • 10.4.7 任务4——将选手的得分写入Excel文件
  • 10.4.8 任务5——将所有选手的得分写入二维列表
  • 10.4.9 任务6——将所有选手的信息写入二维列表
  • 10.4.10 任务7——将所有选手的得分排序后写入Excel文件
  • 10.5 应用场景
  • 10.5.1 Python的应用场景
  • 10.5.2 Python的应用方向
  • 本章小结
  • 课后习题
  • 第11章 人工智能展望
  • 11.1 智能时代的到来
  • 11.1.1 人工智能的发展方向
  • 11.1.2 人工智能发展态势与思考
  • 11.2 智能时代对道德与法律的影响
  • 11.2.1 智能机器的道德主体地位的思考
  • 11.2.2 人工智能发展引发情感伦理问题
  • 11.2.3 人工智能引发新的社会安全和公平正义问题
  • 11.2.4 智能时代的数字鸿沟
  • 11.2.5 人工智能与法律
  • 11.3 智能时代背景下的职业规划面临的机遇与挑战
  • 11.3.1 人工智能背景下职业规划面临的机遇
  • 11.3.2 人工智能背景下职业规划面临的挑战
  • 本章小结
  • 课后习题
  • 附录
  • 附录A 准备人工智能开发环境
  • 附录B 注册成为AI开放平台开发者
  • 附录C 利用FFmpeg软件进行音频格式转换
  • 附录D TensorFlow框架的安装配置
  • 附录E 智能对话系统设计与实施
  • 附录F 第一批AI国家开放创新平台功能
  • 参考文献
  • 封底
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。