人工智能导论

图书标准信息

• 作者 余明辉 詹增荣 汤双霞
• 出版社 人民邮电出版社
• 出版时间 2022-09
• 版次 1
• ISBN 9787115502810
• 定价 49.80元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 224页
• 字数 349千字

【内容简介】

本书共分10个项目，详细介绍了人工智能导论的相关知识，内容包括人工智能的前世今生、从零开始认识人工智能 、人工智能编程基础开发语言——Phython、物体识别、计算机视觉的应用——人脸识别、生物信息识别、自然语言处理、语音识别、无人驾驶 和数据挖掘。
   本书适用于高职高专院校理工科学生，作为通识课教材使用。

【作者简介】

余明辉，广东番禺职业技术学院计算机学院院长、工业和信息化行业指导委员会计算机专指委副主任委员、教育部专家、广东省计算机学会副理事长兼高职分会会长。

【目录】

项目1  人工智能的前世今生

【项目背景】

【思维导图】

【项目相关知识】

1.1  何谓人工智能

1.2  人工智能的萌芽与早期发展

1.3  人工智能元年（1956年）

1.4  人工智能的迭起兴衰

1.5  工智能的发展

【项目任务】

任务1  今昔对比看发展

任务2  以图搜图，让搜索更简单

【项目小结与展望】

【课后练】

项目2  人工智能基础

【项目背景】

【思维导图】

【项目相关知识】

2.1  人工智能基础知识

2.2  人工智能的主要表现形式

2.3  人工智能的应用场景和典型任务

2.4  人工智能的学技术

2.5  人工智能的应用领域

2.6  人工智能的伦理问题

【项目任务】

任务1  查一查，有哪些人工智能相关的机构和企业

任务2  谈一谈你感兴趣的人工智能发展领域

【项目小结与展望】

【课后练】

项目3  人工智能编程语言python

【项目背景】

【思维导图】

【项目相关知识】

3.1  python的安装与使用

3.2  python的基本概念

3.3  数据类型

3.4  条件控制语句

3.5  循环结构

3.6  用户自定义函数

3.7  类

3.8  文件

3.9  模块

【项目任务】

任务1  用python实现杨辉三角

任务2  用python打印不同的图形

任务3  用python输出心形图

任务4  用python输出乘法诀表

任务5  用python实现词云图

【项目小结与展望】

【课后练】

项目4  图像识别

【项目背景】

【思维导图】

【项目相关知识】

4.1  图像识别的任务划分

4.2  分类的相关技术

4.3  目标检测的相关技术

4.4  图像识别的特点

4.5  图像识别的应用领域

【项目任务】

任务1  手写数字识别

任务2  目标检测

任务3  验证码闯关

【项目小结与展望】

【课后练】

项目5  人脸识别

【项目背景】

【思维导图】

【项目相关知识】

5.1  人脸识别过程

5.2  人脸识别的常用方法

【项目任务】

任务1  人脸检测

任务2  人脸验证

任务3  ai人脸融合

任务4  人脸识别快乐吃豆游戏

【项目小结与展望】

【课后练】

项目6  生物信息识别

【项目背景】

【思维导图】

【项目相关知识】

6.1  情绪识别

6.2  专注力分析

6.3  压力分析

【项目任务】

任务1  情绪识别

任务2  专注力分析

任务3  压力分析

【项目小结与展望】

【课后练】

项目7  自然语言处理

【项目背景】

【思维导图】

【项目相关知识】

7.1  自然语言处理的概述

7.2  自然语言处理的两大流程

7.3  自然语言理解的层次

【项目任务】

任务1  智能文本分析

任务2  机器人写诗

任务3  自然语言处理人机竞赛

【项目小结与展望】

【课后练】

项目8  智能语音

【项目背景】

【思维导图】

【项目相关知识】

8.1  语音识别

8.2  语音合成

【项目任务】

任务1  语音识别器

任务2  语音合成器

任务3  智能讨论室

【项目小结与展望】

【课后练】

项目9  无人驾驶

【项目背景】

【思维导图】

【项目相关知识】

9.1  无人驾驶系统的基本组成

9.2  感知

9.3  决策

9.4  控制

【项目任务】

任务  无人驾驶小车自动循迹

【项目小结与展望】

【课后练】

项目10  数据挖掘

【项目背景】

【思维导图】

【项目相关知识】

10.1  数据挖掘的定义

10.2  数据挖掘的基本步骤

10.3  数据挖掘的经典算法

【项目任务】

任务1  利用数据挖掘相关技术进行电影票房预测

任务2  基于决策树的分类实践

【项目小结与展望】

【课后练】

参文献