{正版现货新书} 人工智能通识教程 9787308263726 陈云志, 胡韬, 叶鲁彬, 主编

第1章 人工智能导引

1.1 什么是人工智能

1.2 人工智能的起源与发展

1.2.1 人工智能的历史

1.2.2 我国人工智能发展现状

1.3 人工智能的技术架构

1.3.1 基础层

1.3.2 技术层

1.3.3 应用层

1.4 人工智能技术基础

1.4.1 基础概念

1.4.2 机器学习

1.4.3 深度学习

1.5 人工智能的应用

1.5.1 计算机视觉

1.5.2 语音识别

1.5.3 自然语言处理

1.5.4 生物特征识别

1.5.5 知识图谱

1.5.6 人机交互

1.5.7 虚拟现实与增强现实

1.6 人工智能技术的实践

1.6.1 任务1：目标检测与识别

1.6.2 任务2：古诗词自动生成

本章小结

课后习题

实训工单1：彩色识花

实训工单2：语音识别与文字生成

第2章 DeepSeek应用

2.1 认识DeepSeek

2.1.1 任务1 使用DeepSeek（基本操作、多轮对话）

2.1.2 任务2 DeepSeek中英文翻译

2.2 应用DeepSeek

2.2.1 任务1 生成演讲稿

2.2.2 任务2 生成PPT（用DeepSeek+Kimi生成PPT）

2.2.3 任务3 生成图片（DeepSeek+即梦生成图片）

课后习题

实训工单1：使用DeepSeek制作个人简历

实训工单2：使用DeepSeek制作旅游攻略

第3章 人工智能语言Python基础

3.1 Python语言开发环境

3.1.1 任务1：Python系统下载

3.1.2 任务2：安装Python

3.1.3 任务3：系统环境变量的设置

3.1.4 任务4：Python程序的运行

3.2 密码翻译任务（变量和数据类型）

3.2.1 提出问题

3.2.2 预备知识

3.2.3 分析问题

3.2.4 任务1：实现一个字母的加密

3.2.5 任务2：实现一句话的加密

3.2.6 任务3：实现电文解密

3.3 BMI与健康管理功能（选择和循环）

3.3.1 提出问题

3.3.2 预备知识

3.3.3 分析问题

3.3.4 任务1：计算并输出BMI值

3.3.5 任务2：实现健康分类

3.3.6 任务3：完善输入和输出功能

3.4 住房按揭还款计算器任务（函数）

3.4.1 提出问题

3.4.2 预备知识

3.4.3 分析问题

3.4.4 任务：每月还款金额的计算

3.5 回归任务（模块和包的使用）

3.5.1 提出问题

3.5.2 预备知识

3.5.3 分析问题

3.5.4 任务1：回归分析数据的产生

3.5.5 任务2：基于scikit-learn开源包的回归分析应用

3.5.6 任务3：基于开源包的回归效果图的绘制

本章小结

课后习题

实训工单1：密码规则的校验

实训工单2：数独游戏

第4章 数据分析

4.1 餐饮数据统计分析

4.1.1 提出问题

4.1.2 预备知识

4.1.3 分析问题

4.1.4 任务1：读/写不同数据源的数据

4.1.5 任务2：掌握DataFrame的常用操作

4.1.6 任务3：使用分组聚合进行组内计算

4.1.7 任务4：创建透视表与交叉表

4.1.8 思考与练习

4.2 餐饮数据预处理

4.2.1 提出问题

4.2.2 预备知识

4.2.3 分析问题

4.2.4 任务1：合并数据

4.2.5 任务2：清洗数据

4.2.6 任务3：标准化数据

4.2.7 思考与练习

4.3 餐饮数据可视化

4.3.1 提出问题

4.3.2 预备知识

4.3.3 分析问题

4.3.4 任务1：绘制散点图

4.3.5 任务2：绘制折线图

4.3.6 思考与练习

本章小结

课后习题

实训工单1：统计分析餐饮订单信息表数据

实训工单2：预处理用户用电量数据

实训工单3：分析订单详情表数据之间的关系

第5章 深度学习平台TensorFlow 2.0基础（Keras API）

5.1 全连接神经网络：服饰分类问题

5.1.1 提出问题

5.1.2 预备知识

5.1.3 分析问题

5.1.4 任务1：导入Fashion-MNIST数据集

5.1.5 任务2：预处理Fashion-MNIST数据

5.1.6 任务3：构建全连接神经网络模型

5.1.7 任务4：训练全连接神经网络模型

5.1.8 任务5：使用训练好的模型

5.1.9 思考与练习

5.2 卷积神经网络：手写字母识别（简化）

5.2.1 提出问题

5.2.2 预备知识

5.2.3 分析问题

5.2.4 任务1：获取MNIST手写数字数据集

5.2.5 任务2：预处理MNIST手写数字数据

5.2.6 任务3：模型的确定与各模块的编写

5.2.7 任务4：训练卷积神经网络模型

5.2.8 思考与练习

本章小结

课后习题

实训工单1：波士顿房价预测

实训工单2：猫狗识别

第6章 图像处理

6.1 智能财务票据识别

6.1.1 提出问题

6.1.2 预备知识

6.1.3 分析问题

6.1.4 任务1：获取Access Token

6.1.5 任务2：调用智能财务票据识别功能

6.1.6 任务3：输出识别结果

6.1.7 思考与练习

6.2 身份证识别

6.2.1 提出问题

6.2.2 预备知识

6.2.3 分析问题

6.2.4 任务1：使用Postman调用接口识别身份证

6.2.5 思考与练习

6.3 视频内容分析

6.3.1 提出问题

6.3.2 预备知识

6.3.3 分析问题

6.3.4 任务1：创建视频分析模板

6.3.5 任务2：创建视频分析

6.3.6 思考与练习

6.4 验证码识别

6.4.1 提出问题

6.4.2 预备知识

6.4.3 分析问题

6.4.4 任务1：验证码生成及预处理

6.4.5 任务2：构建卷积神经网络模型

6.4.6 任务3：训练卷积神经网络模型

6.4.7 任务4：用训练好的模型进行验证码识别

6.4.8 思考与练习

本章小结

课后习题

实训工单1：果蔬识别

实训工单2：防疫场景文字识别

实训工单3：车型识别

第7章 语音识别

7.1 语音转写

7.1.1 提出问题

7.1.2 预备知识

7.1.3 分析问题

7.1.4 任务1：获取服务接口认证信息

7.1.5 任务2：调用接口获取结果

7.1.6 思考与练习

7.2 语音性别年龄识别

7.2.1 提出问题

7.2.2 预备知识

7.2.3 分析问题

7.2.4 任务1：获取服务接口认证信息

7.2.5 任务2：调用接口获取结果

7.2.6 思考与练习

7.3 基于卷积神经网络的音频识别

7.3.1 提出问题

7.3.2 预备知识

7.3.3 分析问题

7.3.4 任务1：配置环境

7.3.5 任务2：导入小型语音命令数据集

7.3.6 任务3：将波形转换为频谱图

7.3.7 任务4：构建和训练模型

7.3.8 任务5：评估模型性能

7.3.9 任务6：显示混淆矩阵

7.3.10 任务7：对一个音频文件进行识别

7.3.11 思考与练习

本章小结

课后习题

实训工单1：在线语音合成

实训工单2：语音测评

实训工单3：歌曲识别

第8章 智能制造

8.1 什么是智能制造

8.1.1 智能制造特征

8.1.2 智能制造关键技术

8.1.3 智能制造系统

8.2 智能工厂

8.2.1 智能工厂定义

8.2.2 智能工厂体系架构

8.3 工业机器人

8.4 智能制造典型应用案例

8.4.1 数码印花的缺陷检测

8.4.2 板材计数

8.4.3 机械零部件识别与抓取

本章小结

课后习题

实训工单1：工业产品缺陷识别

实训工单2：机械臂动作分析

第9章 智能医疗

9.1 智能医疗定义

9.2 智能医疗发展历史

9.3 智能医疗支撑技术

9.4 智能医疗应用实践

9.4.1 智慧医疗在临床诊断中的应用

9.4.2 智能医疗在医学影像诊断中的应用

9.4.3 智能医疗在远程医疗中的应用

9.4.4 智能医疗在药物研发中的应用

9.5 智能医疗应用典型案例

本章小结

课后习题

实训工单1：医学知识问答

实训工单2：健康方案管理设计

第10章 智能零售

10.1 智能零售的概念和特点

10.2 智能零售的发展历史

10.3 智能零售的应用场景

10.4 智能零售的优势与劣势

10.5 智能零售的体系架构

10.6 智能零售的未来趋势

10.7 智能零售典型应用案例

10.7.1 无人零售

10.7.2 智能试衣

10.7.3 VR营销

本章小结

课后习题

实训工单1：智能零售方案设计

实训工单2：顾客行为分析

参考文献

本书共分为10章：第1章人工智能导引，介绍人工智能的起源、发展、应用等；第2章DeepSeek应用；第3章人工智能语言Python基础；第4章数据分析，以餐饮行业作为示例进行分析；第5章深度学习平台TensorFlow2.0基础（Keras API），主要介绍全连接神经网络与卷积神经网络；第6章图像处理，通过票据识别、身份证识别等实例来完成一系列基础的图像识别功能；第7章语音识别，介绍语音转写、语音性别年龄识别、音频识别等内容；第8章智能制造；第9章智能医疗；第10章智能零售。