人工智能概论

第1章人工智能概述
1.1人工智能简介
1.1.1人工智能的定义
1.1.2人工智能的起源和发展
1.2人工智能产业框架体系
1.2.1基础层
1.2.2技术层
1.2.3应用层
1.3人工智能核心技术
1.3.1基础技术
1.3.2通用技术
1.3.3应用技术
1.4人工智能的意义及挑战
1.4.1发展人工智能的战略意义
1.4.2人工智能发展趋势
1.4.3人工智能的冲击与挑战
本章总结
本章习题
第2章Python语言基础
2.1Python概述
2.1.1Python简介
2.1.2Python版本
2.1.3Python语言特色
2.1.4Python应用领域
2.2Python程序
2.2.1什么是程序
2.2.2编写并运行Python程序
2.2.3使用Jupyter Notebook
2.2.4调试程序
2.3Python基础知识
2.3.1Python基础语法
2.3.2变量
2.3.3基础数据类型
2.3.4运算符
2.3.5表达式
2.4序列、映射
2.4.1序列及其通用操作
2.4.2列表的基本操作
2.4.3列表和元组的相互转化
2.4.4字典
2.5流程控制语句
2.5.1条件语句
2.5.2循环语句
2.6函数与模块
2.6.1抽象
2.6.2函数
2.6.3模块
2.7文件操作
2.7.1文件
2.7.2打开文件
2.7.3关闭文件
2.7.4读取文件内容
2.7.5读取全部内容
2.7.6向文件写入数据
2.8客服机器人案例分析
2.8.1谋定而后动
2.8.2拆解复杂问题
2.8.3整合在一起
2.9影评词云数据分析案例
2.9.1安装jieba库
2.9.2安装WordCloud库
2.9.3编码实现
本章总结
本章习题
第3章机器学习
3.1机器学习简介
3.1.1什么是机器学习
3.1.2机器学习发展历史
3.1.3机器学习应用领域
3.2机器学习进阶
3.2.1机器学习种类
3.2.2基本术语
3.2.3机器学习的流程
3.3线性模型
3.3.1预测工资——线性回归
3.3.2泰坦尼克号生存预测——逻辑回归
3.4监督学习
3.4.1支持向量机
3.4.2贝叶斯分类器
3.4.3决策树
3.4.4神经网络
3.5机器学习案例——猫狗分类
3.5.1安装TensorFlow和Keras库
3.5.2案例实现
本章总结
本章习题
第4章计算机视觉及应用
4.1计算机视觉基础
4.1.1计算机视觉的基本概念
4.1.2计算机视觉的作用
4.1.3计算机视觉的基本原理
4.2计算机视觉技术
4.2.1图像处理
4.2.2图像分类
4.2.3特征提取 
4.3基于深度学习的图像识别
4.3.1卷积运算
4.3.2利用卷积提取图像特征
4.3.3基于深度神经网络的图像分类
4.3.4目标检测
4.4视频行为识别
4.5计算机视觉应用
4.5.1图像分类的应用
4.5.2人脸识别
本章总结
本章习题
第5章语音识别及应用
5.1语音识别
5.1.1语音识别的定义
5.1.2语音识别发展历程
5.1.3语音识别的分类
5.1.4语音识别的流程
5.2语音合成
5.3语音识别的应用案例——语音助手
本章总结
本章习题
第6章自然语言处理
6.1自然语言处理导入
6.2自然语言处理的基本原理
6.2.1自然语言处理的定义
6.2.2自然语言处理的基本技术原理
6.2.3自然语言处理的技术发展
6.3自然语言处理的应用场景
6.3.1从文本中挖掘主题
6.3.2自然语言处理的应用领域和应用场景
6.3.3自然语言处理的未来应用——人机交互系统
6.4自然语言处理案例——文本预测和生成
本章总结
本章习题
第7章知识图谱及应用
7.1知识图谱引言
7.2知识图谱简介
7.2.1知识图谱的定义
7.2.2知识图谱的架构
7.3知识图谱应用
7.3.1问答系统
7.3.2行业应用
7.4知识图谱展望
7.5知识图谱案例
本章总结
本章习题
第8章人工智能行业解决方案
8.1智慧交通
8.1.1无人驾驶汽车
8.1.2共享单车
8.1.3公安交通指挥系统
8.2智能制造
8.2.1工业3D分拣机器人
8.2.2智能工厂
8.2.3智能设备
8.3智慧医疗
8.3.1达?芬奇机器人
8.3.2医疗影像诊断
8.3.3陪伴机器人
8.4智慧金融
8.4.1智能客服
8.4.2数字员工
8.4.3定损宝
本章总结
本章习题
附录A搜索算法
附录B人工智能平台环境搭建
B.1环境背景
B.2Python环境搭建
B.2.1下载Python安装文件
B.2.2安装Python
B.2.3配置Python环境变量
B.2.4测试Python环境
B.3pip命令
B.3.1测试pip
B.3.2pip install命令
B.3.3安装科学计数模块(numpy)
B.3.4安装数据可视化模块(matplotlib)
B.3.5安装机器学习模块(sklearn)
B.3.6安装自然语言处理工具包(nltk)
B.3.7安装自然语言中处理主题分析模块(gensim)
B.3.8安装语音识别模块(python_speech_features)
B.3.9安装隐马尔可夫模型(hmmlearn)
B.3.10安装神经网络模块依赖包(cvxopt)
B.3.11安装神经网络模块依赖包(pystruct)
B.3.12安装神经网络模块(neurolab)
B.3.13安装机器视觉模块(opencv)
B.3.14安装图像处理库(Pillow)
B.4Anaconda环境搭建
B.4.1下载Anaconda安装文件
B.4.2安装Anaconda
B.4.3Anaconda Prompt工具
B.4.4Jupyter Notebook工具
B.4.5Spyder工具
参考文献

《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和人工智能行业解决方案。 《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰； 同时还在附录中提供了人工智能平台环境搭建的操作手册，便于初学者学习和查阅。 《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》适用面广，可作为高等院校人工智能、智能科学与技术、计算机、信息处理、自动化和电信等理工科相关专业的教材，也可作为其他专业的拓展、通识课程的教材，还可作为培训机构的人工智能课程教材。

本书不是一本简单的人工智能基础入门教材，不是知识点的铺陈，而是致力于将知识点融入案例中，深入浅出地对知识点进行全面系统的讲解。全书内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和人工智能行业解决方案，并精心设计大量的应用案例，强化学生的动手和实践能力。
采用思维导图对课程和章节重要知识点进行梳理，便于理解和记忆。每章配有目标、正文、总结和习题，使教学内容和过程形成闭环。理论联系实践，基于应用，并提供微课视频，帮助初学者能够快速学习和掌握。
配套资源丰富，包括微课视频、教学课件、程序代码、习题答案、教学大纲、考试大纲等资源。