本書將圍繞人工智能職業(yè)標準展開，秉持“以學生為中心—職業(yè)標準融入—思政教育融入”的編寫理念，通過項目案例激發(fā)學生的學習興趣。本書結合人工智能學科的已有成果及編者的教學實踐，以全面、基礎、典型、新穎為原則，系統(tǒng)地介紹人工智能的技術基礎，包括機器學習、計算機視覺、智能語音、自然語言處理、AIGC等熱點及前沿問題。本書以“概述+案例”的模式編寫，使教材內容泛而不空，使讀者了解和學習人工智能的基礎知識和初步技能，建立利用科學方法解決問題的創(chuàng)新思維，以適應教學需求。本書概念清晰，結構合理，敘述簡明易懂，適合高職、技師、應用型本科的學生使用。
賴小平，副教授，廣東交通職業(yè)技術學院信息學院專業(yè)帶頭人。近幾年，主持校級項目5項，主持或主要參與省級教科研項目3項。主講《Java程序設計》、《數(shù)據(jù)結構與算法》、《人工智能技術導論》、《數(shù)據(jù)集處理》等專業(yè)課程，長期擔任教研室管理和教學工作，多次被評為優(yōu)秀教師，教學效果好。廣東省科技局專家?guī)斐蓡T、廣東省粵科標準化研究院標準化與知識產權教育專家、2015-2016 連續(xù)兩年聘為全國職業(yè)院校技能大賽裁判員，近幾年公開發(fā)表論文10余篇，主編教材3本，參編教材4本，獲軟件著作權3項。
第1章 人工智能概述 1
1.1 人工智能簡介 1
1.1.1 人工智能的定義 1
1.1.2 人工智能的分類 2
1.1.3 人工智能的起源和發(fā)展 3
1.1.4 人工智能的應用領域 7
1.2 人工智能技術領域 9
1.2.1 人工智能四要素 10
1.2.2 人工智能技術框架 11
1.2.3 人工智能技術的發(fā)展趨勢 13
1.3 人工智能的意義及挑戰(zhàn) 14
1.3.1 發(fā)展人工智能的戰(zhàn)略意義 15
1.3.2 人工智能的挑戰(zhàn) 16
1.4 人工智能初體驗 17
1.4.1 百度EasyDL介紹 17
1.4.2 百度EasyDL應用——貓狗分類 18
1.5 本章總結 31
本章習題 31
第2章 機器學習 33
2.1 機器學習簡介 33
2.1.1 機器學習的定義 34
2.1.2 機器學習的發(fā)展歷程 35
2.1.3 機器學習的應用領域 38
2.2 機器學習進階 40
2.2.1 機器學習的分類 40
2.2.2 機器學習的基本術語 44
2.2.3 機器學習的流程 47
2.2.4 機器學習的常用算法 48
2.3 深度學習與神經網絡 56
2.3.1 深度學習 56
2.3.2 神經網絡 59
2.4 機器學習的應用體驗 63
2.4.1 線性回歸——預測工資 63
2.4.2 邏輯回歸——預測期末考試成績能否及格 65
2.5 本章總結 67
本章習題 68
第3章 計算機視覺 70
3.1 計算機視覺簡介 70
3.1.1 計算機視覺的發(fā)展歷程 70
3.1.2 計算機視覺的實現(xiàn)原理 72
3.1.3 計算機視覺的典型應用 74
3.2 基于深度學習的視覺技術 75
3.2.1 圖像分類 75
3.2.2 目標檢測 77
3.2.3 圖像分割 80
3.2.4 軌跡跟蹤 81
3.3 OpenCV的基礎 84
3.3.1 OpenCV的安裝 85
3.3.2 OpenCV的圖像處理 86
3.3.3 OpenCV的視頻處理 88
3.4 計算機視覺的應用體驗 90
3.4.1 基于OpenCV的人臉識別 90
3.4.2 基于百度EasyDL OCR平臺的車牌識別 95
3.5 本章總結 108
本章習題 108
第4章 智能語音 109
4.1 智能語音簡介 109
4.2 語音識別 110
4.2.1 語音識別的分類 110
4.2.2 語音識別的發(fā)展歷程 111
4.2.3 語音識別系統(tǒng)的構成 114
4.2.4 語音識別預處理技術 115
4.2.5 傳統(tǒng)的語音識別算法 117
4.2.6 基于神經網絡的語音識別算法 119
4.3 語音合成 121
4.3.1 語音合成的分類 121
4.3.2 語音合成的發(fā)展歷程 123
4.3.3 語音合成系統(tǒng)的構成 126
4.3.4 語音合成的典型方法 126
4.4 智能語音的應用體驗 130
4.4.1 文本轉換為語音 130
4.4.2 文本轉換為語音文件 132
4.5 本章總結 134
本章習題 135
第5章 自然語言處理與AIGC 137
5.1 自然語言處理簡介 137
5.1.1 自然語言處理的定義 137
5.1.2 自然語言處理的發(fā)展歷程 138
5.1.3 自然語言處理的基本任務 139
5.1.4 自然語言處理的流程 147
5.1.5 自然語言處理的應用領域 147
5.2 AIGC簡介 150
5.2.1 AIGC的定義 150
5.2.2 AIGC的奧秘 151
5.2.3 AIGC產業(yè)生態(tài)體系 153
5.2.4 AIGC的典型應用 154
5.3 國內外主流的AI大模型 155
5.3.1 OpenAI的GPT大模型 156
5.3.2 百度的文心大模型 157
5.3.3 科大訊飛的訊飛星火認知大模型 158
5.3.4 阿里云的通義大模型 159
5.4 AIGC的倫理與安全 159
5.4.1 AIGC的社會影響 159
5.4.2 AIGC的倫理與安全問題 160
5.5 AIGC的體驗 163
5.5.1 推文的編寫 163
5.5.2 AI作畫 165
5.6 本章總結 169
本章習題 170
第6章 人工智能應用開發(fā)環(huán)境及工具 172
6.1 開發(fā)環(huán)境 172
6.1.1 PyCharm 172
6.1.2 Anaconda 174
6.1.3 Python第三方庫的安裝 177
6.2 常用開發(fā)工具 179
6.2.1 數(shù)據(jù)采集工具——八爪魚 179
6.2.2 數(shù)據(jù)分析和共享工具——Power BI 181
6.2.3 頁面設計工具——Qt Designer 183
6.2.4 數(shù)據(jù)標注工具——LabelImg 187
6.2.5 數(shù)據(jù)清理工具——OpenRefine 189
6.3 開發(fā)工具體驗 190
6.3.1 天氣預報 190
6.3.2 某購物平臺數(shù)據(jù)采集與分析 195
6.4 本章總結 197
本章習題 198
書單推薦
