人工智能應用基礎（第2版）

緒論 1
單元1 初識人工智能 2
1.1 人工智能的概念 3
1.1.1 人工智能的定義 3
1.1.2 圖靈測試 4
1.1.3 人工智能能力分類 5
1.2 人工智能的發展歷程 6
1.2.1 人工智能發展的3次浪潮 6
1.2.2 人工智能的未來 8
1.3 人工智能的典型應用 9
1.3.1 人工智能在各行業中的典型應用 9
1.3.2 人工智能在各行業中的基礎 12
1.4 人工智能開發準備 13
1.4.1 國家新一代人工智能開放創新平臺 13
1.4.2 開發環境準備工作 14
☆任務1.1 搭建Hello AI開發環境 16
?任務1.2 Python處理JSON格式數據 19
單元小結 21
習題1 22

單元2 電腦視覺技術與應用 23
2.1 電腦視覺的概念 24
2.1.1 電腦視覺技術體系 24
2.1.2 典型案例：車牌識別 25
2.2 電腦視覺的基本任務 26
2.2.1 圖像分類 26
2.2.2 目標檢測與定位 26
2.2.3 圖像分割 27
2.3 電腦視覺常見應用 28
2.3.1 通用圖像處理及應用 28
2.3.2 OCR及其應用 30
2.3.3 人臉識別及其應用 31
2.3.4 人體分析及其應用 33
2.4 機器視覺技術與應用 36
☆任務2.1 公司文件文字識別 37
?任務2.2 公司會展人流量統計 40
單元小結 45
習題2 45
單元3 智能語音技術與應用 48
3.1 智能語音處理的概念 49
3.1.1 語音處理技術體系 49
3.1.2 典型案例：懂你的智能音箱 50
3.2 語音處理常用技術 51
3.2.1 語音合成 51
3.2.2 語音識別 52
3.2.3 語音分析 54
3.2.4 聲紋識別 54
3.2.5 語音增強 55
3.3 語音處理常見應用 56
3.3.1 語音識別應用 56
3.3.2 語音合成應用 58
3.3.3 離線與在線的概念 58
☆任務3.1 基於語音合成的客服回復音頻化 59
?任務3.2 基於語音識別的會議錄音文本化 63
單元小結 66
習題3 66
單元4 自然語言處理與應用 68
4.1 自然語言處理的概念 69
4.1.1 自然語言處理技術體系 69
4.1.2 典型案例：詞雲圖的生成 70
4.1.3 自然語言中的歧義難題 71
4.2 自然語言處理的基本任務 73
4.2.1 分詞 73
4.2.2 詞性標註 74
4.2.3 命名實體識別 75
4.2.4 依存句法分析 76
4.3 自然語言處理的應用 76
4.3.1 機器翻譯 76
4.3.2 垃圾郵件分類 77
4.3.3 信息抽取 77
4.3.4 文本情感分析 78
4.3.5 智能問答——聊天機器人 78
4.3.6 個性化推薦 79
4.4 知識圖譜及其應用 80
4.4.1 知識圖譜的概念 80
4.4.2 知識圖譜的應用 81
☆任務4.1 用戶評價情感分析 82
?任務4.2 用戶意圖理解 85
單元小結 91
習題4 91
單元5 智能機器人與智能問答 93
5.1 智能機器人基礎知識 94
5.1.1 智能機器人技術框架 94
5.1.2 典型案例：“祝融號”火星車 95
5.1.3 智能機器人的定義 96
5.1.4 智能機器人的分類 97
5.2 工業機器人及其應用 99
5.2.1 工業機器人的概念 99
5.2.2 工業機器人的應用 100
5.3 服務機器人及其應用 101
5.3.1 服務機器人的概念 101
5.3.2 服務機器人的應用 102
5.4 無人駕駛汽車 104
5.4.1 無人駕駛汽車的概念 104
5.4.2 無人駕駛汽車的分級 105
☆任務5.1 智能客服問答系統 106
?任務5.2 基於文件創建自定義問答技能 110
單元小結 111
習題5 111
單元6 人工智能應用與創新 113
6.1 智能製造領域應用 115
6.1.1 電腦視覺應用 115
6.1.2 設備預測性維護 117
6.2 其他行業應用 118
6.2.1 AI+機器人 118
6.2.2 AI+農業 119
6.2.3 AI+教育 121
6.2.4 AI+金融 122
6.2.5 AI+營銷 123
6.3 人工智能與工作崗位 124
6.3.1 機器人取代部分人類工作 124
6.3.2 消失與新增的崗位 126
6.4 專業創新案例 130
6.4.1 AI+無人機應用創新 130
6.4.2 學生創新案例 131
☆任務6.1 基於EasyDL訓練分類模型 133
?任務6.2 訓練自定義深度學習模型 140
單元小結 141
習題6 141
單元7 機器學習與模型訓練 143
7.1 機器學習的概念 144
7.1.1 機器學習技術框架 144
7.1.2 典型案例：泰坦尼克號乘客生存預測 145
7.2 機器學習分類 147
7.2.1 有監督學習 148
7.2.2 無監督學習 149
7.2.3 半監督學習 149
7.2.4 遷移學習 149
7.2.5 強化學習 150
7.3 機器學習常用算法 150
7.3.1 線性回歸 150
7.3.2 支持向量機 151
7.3.3 決策樹 151
7.3.4 K最近鄰 152
7.3.5 K均值聚類 152
7.4 機器學習的典型應用 153
☆任務7.1 訓練回歸模型 155
?任務7.2 泰坦尼克號乘客生存預測 157
單元小結 160
習題7 160
單元8 深度學習與模型訓練 162
8.1 深度學習的概念 163
8.1.1 深度學習算法框架 163
8.1.2 典型案例：AI繪畫 163
8.2 神經網絡 165
8.2.1 神經元模型 165
8.2.2 神經網絡的發展 165
8.3 深度學習常用術語 167
8.3.1 捲積神經網絡的概念 167
8.3.2 捲積神經網絡相關術語 167
8.4 生成對抗網絡 170
8.4.1 生成對抗網絡的基本原理 170
8.4.2 生成對抗網絡的應用 171
☆任務8.1 深度學習模型調參 171
?任務8.2 手寫數字識別 174
單元小結 177
習題8 177
單元9 人工智能法律與倫理 178
9.1 人工智能中的倫理問題 179
9.1.1 隱私泄露問題 179
9.1.2 偏見問題 180
9.2 人工智能中的法律問題 182
9.2.1 人格權的保護 183
9.2.2 侵權責任的認定 183
9.2.3 數據財產的保護 183
9.2.4 知識產權的保護 184
9.2.5 機器人的法律主體地位 185
單元小結 185
習題9 185
單元10 迎賓機器人項目實戰 187
10.1 人臉檢測 189
10.2 人臉搜索 191
10.3 科大訊飛語音合成 193
10.4 科大訊飛語音識別 196
10.5 公司介紹FAQ問答 198
10.6 員工崗位職責問答 201
10.7 系統集成歡迎問候 205
10.8 系統集成語音問答 208
附錄A 授課計劃推薦方案 212
附錄B 國內首批國家級新一代人工智能開放創新平臺功能 214
參考文獻 217