基本信息,內容簡介,圖書目錄,
基本信息
人工智慧技術套用導論
作譯者：聶明
出版時間：2019-04
千 字 數：621
版次：01-01
頁 數：388
開本：16開
內容簡介
本書是“人工智慧技術套用核心課程系列教材”的第一本，通過對人工智慧基礎概念、技術分類、開發平台、套用場景和開發運行環境及程式語言等的系統介紹，結合樣板程式、經典案例的上機實踐與代碼分析，使初學者快速地對人工智慧的技術全貌建立起系統的認識，並且掌握典型套用開發環境與平台的安裝、配置及套用編程基礎技術。本書非常適合：對人工智慧、機器學習和深度學習感興趣的讀者；需要掌握人工智慧通識知識的政府、企事業人員和高校學生；需要先行快速了解人工智慧全貌、為後續深入學習奠定基礎的高職相關專業的學生；期望快速進入智慧型文本分析、圖像識別、語音處理、機器視覺、智慧型機器人等人工智慧套用領域從事研發工作的工程技術人員。
圖書目錄
第1章 人工智慧的產生與發展 1
1.1 引言—激動人心的AI-2016 1
1.2 人工智慧的產生與發展 6
1.3 認識人工智慧的賦能 9
1.4 人工智慧、機器學習與深度學習 18
1.5 算法、算力與大數據 22
1.6 人工智慧的產業生態 24
1.6.1 人工智慧產業鏈的三層劃分 24
1.6.2 基礎層 25
1.6.3 技術層 29
1.6.4 套用層 30
1.7 科技巨頭在AI領域的布局 31
1.7.1 國外科技巨頭在AI領域的布局 31
1.7.2 中國科技巨頭在AI領域的布局 33
1.7.3 全球各國人工智慧政策 37
1.7.4 中美競賽 38
1.8 人工智慧技術套用的學習路徑 38
第2章 人工智慧典型套用展現與體驗 40
2.1 科大訊飛語音綜合服務開放平台 40
2.2 指紋識別 46
2.3 人臉識別系統 49
2.4 電子商務人工智慧套用 50
2.5 商業智慧型 55
2.6 智慧型商用服務機器人 59
2.7 智慧型視頻監控 67
第3章 Python語言基礎 73
3.1 Python語言的產生與發展 73
3.2 Python開發環境搭建 74
3.3 Python常用語句 81
3.4 列表、元組、字典和字元串 87
3.5 Python的函式 96
3.5.1 自定義函式 96
3.5.2 Python常用內置函式 100
3.6 Python矩陣運算 103
3.7 Python庫 106
3.8 典型樣板程式 107
第4章 Python數據處理 112
4.1 常見數據集簡介 112
4.1.1 MNIST數據集 112
4.1.2 CTW數據集 114
4.2 數據收集、整理與清洗 115
4.2.1 數據收集 115
4.2.2 數據整理 122
4.2.3 數據清洗 125
4.3 數據分析 130
4.3.1 CSV檔案 130
4.3.2 Excel檔案 134
4.3.3 資料庫 139
4.4 數據可視化 141
4.4.1 matplotlib庫套用 141
4.4.2 pandas庫套用 144
4.4.3 seaborn套用 145
4.5 圖像處理 146
4.5.1 數字圖像處理技術 146
4.5.2 圖像格式的轉化 147
4.5.3 Python圖像處理 149
第5章 機器學習及其典型算法套用 155
5.1 機器學習簡介 155
5.1.1 基本含義 155
5.1.2 套用場景 155
5.1.3 機器學習類型 157
5.1.4 相關術語 159
5.1.5 scikit-learn平台 160
5.2 分類任務 163
5.2.1 分類的含義 163
5.2.2 分類主要算法 164
5.2.3 分類任務示例 167
5.3 回歸任務 171
5.3.1 回歸的含義 171
5.3.2 回歸主要算法 171
5.3.3 回歸任務示例 171
5.4 聚類任務 175
5.4.1 聚類的含義 175
5.4.2 聚類主要算法 175
5.4.3 聚類任務示例 177
5.5 機器學習套用實例 178
5.5.1 手寫數字識別 178
5.5.2 波士頓房價預測 180
第6章 神經網路及其基礎算法套用 187
6.1 神經網路簡介 187
6.1.1 神經網路的概念與地位 187
6.1.2 生物神經元 188
6.1.3 人工神經元模型與神經網路 189
6.1.4 感知器算法及套用示例 191
6.2 前饋型神經網路 195
6.2.1 前饋神經網路模型 195
6.2.2 反向傳播神經網路 196
6.2.3 反向傳播神經網路算法規則 197
6.2.4 反向傳播神經網路套用示例 198
6.3 反饋型神經網路 202
6.3.1 反饋神經網路模型 202
6.3.2 離散Hopfield神經網路 203
6.3.3 連續Hopfield神經網路 208
6.3.4 用DHNN識別殘缺的字母 211
6.4 卷積神經網路 214
6.4.1 卷積與卷積神經網路簡介 214
6.4.2 卷積神經網路的結構—以LeNet-5為例 217
6.4.3 CNN的學習規則 226
6.4.4 CNN套用示例 228
第7章 深度學習及其典型算法套用 232
7.1 神經網路可視化工具—PlayGround 232
7.2 TensorFlow深度學習平台 240
7.2.1 TensorFlow簡介 240
7.2.2 TensorFlow開發環境搭建 242
7.2.3 TensorFlow的組成模型 248
7.2.4 TensorFlow的HelloWorld程式示例 258
7.2.5 TensorFlow實現線性回歸 259
7.2.6 TensorFlow實現全連線神經網路 261
7.3 深度學習在MNIST圖像識別中的套用 263
7.3.1 MNIST數據集及其識別方法 263
7.3.2 全連線神經網路識別MNIST圖像 266
7.3.3 卷積神經網路識別MNIST圖像 267
7.3.4 循環神經網路識別MNIST圖像 270
7.4 典型深度學習平台 274
7.4.1 典型深度學習平台簡介 274
7.4.2 樣板深度學習平台的體驗與分析 275
第8章 人工智慧的機遇、挑戰與未來 284
8.1 人工智慧的行業套用日趨火爆 284
8.2 “智慧型代工”大潮來襲 287
8.3 新IT、智聯網與社會信息物理系統 289
8.4 人工智慧的未來 293
8.4.1 發展趨勢預測 293
8.4.2 中國的人工智慧布局 295
8.4.3 全球人工智慧的產業規模 299
8.5 人工智慧面臨的挑戰 300
8.5.1 人工智慧面臨的人才挑戰 300
8.5.2 人工智慧面臨的技術挑戰 301
8.5.3 人工智慧面臨的法律、安全與倫理挑戰 301
8.6 擁抱人工智慧的明天 305
附錄A VirtualBox虛擬機軟體與Linux的安裝和配置 310
附錄B Linux（Ubuntu 14.4）的基本命令與使用 333
附錄C GitHub代碼託管平台 338
附錄D Docker技術與套用 342
附錄E 人工智慧的數學基礎與工具 344
附錄F 公開數據集介紹與下載 355
附錄G 人工智慧的網路學習資源 360
附錄H 人工智慧的技術圖譜 363
附錄I 人工智慧技術套用就業崗位與技能需求 366
參考文獻 371
