人工智能应用实战

图书标准信息

• 作者 刘艳飞；常城
• 出版社 人民邮电出版社
• 出版时间 2022-07
• 版次 1
• ISBN 9787115575814
• 定价 39.80元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 160页
• 字数 265千字

【内容简介】

本教材较为全面地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。全书分为4篇，共12个项目，包括了解数据采集、了解网络数据采集、了解端侧数据采集、数据存储与加载、了解数据处理、图像数据处理、文本数据处理、了解数据标注、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等内容。本教材以企业用人需求为导向、以岗位技能和综合素质为核心，通过理论与实战相结合的方式组织内容，以培养能够根据项目需求完成数据的采集、处理、标注等的人才。
  本教材可用于1 X证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（初级）的教学和培训，也适合作为中等职业学校、高等职业院校、应用型本科院校人工智能相关专业的教材，还适合作为需补充学习深度学习应用开发知识的技术人员的参考用书。

【作者简介】

刘艳飞，女，副教授职称，任CFF职业教育发展委员会人工智能技术服务工作组副组长。主要从事人工智能技术应用专业教学和科研工作。近五年，主持建设完成省级精品在线开放课1门，荣获省职业院校信息化教学比赛一等奖，指导学生获省职业院校技能大赛一等奖、“互联网 ”大学生创新创业大赛省赛银奖多项。主持省级和中国职业技术教育学会等各类课题15项，主编出版教材2部，获得软件著作权6件，是学校人工智能应用教师工作室负责人。

【目录】

第 1篇 数据采集 1

项目１ 了解数据采集 2

项目描述 2

知识准备 3

1.1 大数据 3

1.1.1 数据来源 3

1.1.2 数据类型 3

1.2 数据采集 4

1.2.1 数据采集的三大要求 4

1.2.2 数据采集方式 4

1.3 数据采集的应用行业 5

项目实施 “石头剪刀布”图像数据采集 6

1.4 实施思路 6

1.5 实施步骤 6

知识拓展 12

课后实训 12

项目２ 了解网络数据采集 14

项目描述 14

知识准备 15

2.1 网络爬虫的原理及流程 15

2.2 网页结构：HTML 15

2.3 第三方库：BeautifulSoup4 16

项目实施 爬取“石头剪刀布”静态页面数据 17

2.4 实施思路 17

2.5 实施步骤 18

知识拓展 21

2.6 urllib 22

2.7 requests 22

课后实训 23

项目３ 了解端侧数据采集 24

项目描述 24

知识准备 24

3.1 端侧数据采集概述 24

3.1.1 数据采集系统 25

3.1.2 数字输入 输出模块 25

3.1.3 模拟输入 输出模块 25

3.1.4 数据采集卡 25

3.2 数据采集端侧设备 25

3.2.1 图像采集设备：CCD传感器与CMOS传感器 26

3.2.2 音频采集设备：麦克风 27

3.3 端侧数据采集方式 27

3.3.1 图像采集 27

3.3.2 语音采集 28

3.4 EasyData智能数据服务平台 28

项目实施 视频抽帧数据采集 29

3.5 实施思路 29

3.6 实施步骤 29

知识拓展 31

课后实训 32

项目４ 数据存储与加载 33

项目描述 33

知识准备 34

4.1 数据编码 34

4.1.1 图像编码 34

4.1.2 文本编码 34

4.2 数据存储格式 35

4.2.1 图像数据存储格式 35

4.2.2 文本数据存储格式 36

4.3 数据加载及存储 37

4.3.1 图像数据加载及存储 37

4.3.2 文本数据加载及存储 38

项目实施 加载、操作并存储Excel表格文件 39

4.4 实施思路 39

4.5 实施步骤 39

知识拓展 40

课后实训 41

第 2篇 数据处理 42

项目５ 了解数据处理 43

项目描述 43

知识准备 43

5.1 数据处理工具 43

5.2 数据处理步骤 44

5.2.1 数据清洗 44

5.2.2 数据分析 45

5.2.3 数据可视化 45

5.3 数据处理行业应用 46

5.3.1 人脸识别 46

5.3.2 工业自动化 46

5.3.3 机器翻译 46

5.3.4 医疗健康分析 47

项目实施 EasyData处理文本数据 47

5.4 实施思路 47

5.5 实施步骤 47

知识拓展 52

课后实训 53

项目６ 图像数据处理 54

项目描述 54

知识准备 54

6.1 图像基础知识 54

6.1.1 图像的概念 55

6.1.2 图像的存储方式 55

6.2 图像数据处理方法 55

6.2.1 图像数据清洗 55

6.2.2 图像数据分析 56

6.2.3 图像数据可视化 56

6.3 Python库介绍 56

6.3.1 OpenCV库 56

6.3.2 Matplotlib库 57

6.3.3 os库 57

项目实施 “石头剪刀布”图像处理 58

6.4 实施思路 58

6.5 实施步骤 58

知识拓展 64

6.6 图像水平翻转 64

6.7 图像垂直翻转 66

6.8 图像对角翻转 66

课后实训 67

项目７ 文本数据处理 68

项目描述 68

知识准备 68

7.1 文本数据处理的应用 68

7.2 文本数据处理方法 69

7.2.1 文本数据清洗 69

7.2.2 文本数据分析与可视化 72

项目实施 对话情感倾向分析 73

7.3 实施思路 73

7.4 实施步骤 74

知识拓展 80

7.5 正态分布图法 80

7.6 聚类算法 80

课后实训 80

第3篇 数据标注 82

项目８ 了解数据标注 83

项目描述 83

知识准备 83

8.1 数据标注的概念 83

8.2 数据标注的类型 84

8.3 数据标注的意义 84

8.4 数据标注在行业中的应用 84

8.4.1 智能交通 84

8.4.2 智能语音 85

8.4.3 智能金融 85

8.4.4 智能家居 86

8.4.5 电子商务 86

项目实施 标注“花卉识别”数据集 87

8.5 实施思路 87

8.6 实施步骤 87

知识拓展 92

8.7 数据标注的难题 92

8.8 数据标注的角色 93

课后实训 93

项目９ 图像数据标注 94

项目描述 94

知识准备 94

9.1 常见的图像数据标注工具 94

9.2 常用的数据标注数据集 95

9.3 图像数据标注质量标准 96

9.4 图像数据标注的应用领域 96

9.4.1 自动驾驶领域 96

9.4.2 工业质检领域 98

9.4.3 智能安防领域 98

项目实施 标注“垃圾分类”数据集 99

9.5 实施思路 99

9.6 实施步骤 99

知识拓展 102

课后实训 103

项目10 文本数据标注 104

项目描述 104

知识准备 104

10.1 文本实体标注 104

10.2 文本情感分类标注 105

10.3 文本相似度标注 105

项目实施 标注“微博文本情感分类”数据集 105

10.4 实施思路 105

10.5 实施步骤 106

知识拓展 108

课后实训 108

第4篇 深度学习应用实战 110

项目11 深度学习图像分类应用实战 111

项目描述 111

知识准备 111

11.1 智能垃圾分类的行业背景 111

11.2 智能垃圾分类的流程 112

11.2.1 数据标注 112

11.2.2 模型训练 114

11.3 智能垃圾分类的应用 115

项目实施 垃圾分类 116

11.4 实施思路 116

11.5 实施步骤 116

知识拓展 138

课后实训 139

项目12 深度学习情感分析应用实战 140

项目描述 140

知识准备 140

12.1 情感分析的行业背景 140

12.2 智能情感分析的流程 142

12.2.1 数据准备 142

12.2.2 数据处理 142

12.2.3 数据标注 143

12.2.4 模型训练 143

项目实施 情感分析 144

12.3 实施思路 144

12.4 实施步骤 144

知识拓展 159

课后实训 160