人工智能基础（高等职业教育大数据与人工智能专业群系列教材）

本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能相关知识，包括机器学习和深度学习的基本内容，配合人脸识别、图像分类、语音交互等人工智能体验案例，使读者能快速掌握人工智能的基本概念、基本知识体系，结合“波士顿房价预测”和“MNIST手写数字识别”两个经典案例，使读者能快速掌握人工智能的开发框架，为进一步学习打下良好基础。本书共分11章，前3章主要介绍基础入门知识，包括人工智能的发展历程、人工智能概述以及人工智能领域典型的应用和方法；第4章～第8章配合涵盖人脸识别、图像分类、机器翻译，让读者体验感受人工智能的典型应用场景；第9章～第11章介绍人工智能的开发环境与框架，结合人工智能领域中经典的“波士顿房价预测”和“MNIST手写数字识别”两个案例，让读者通过实践操作快速入门人工智能的开发框架。本书强调实用性和可读性，并在章节中增加了课程思政的案例和内容，可作为高职高专院校学生学习人工智能的通识课程教材，也可作为人工智能技术人员和管理人员的入门参考书。

前言
第1章 人工智能的前世今生
 1.1 人工智能的定义
 1.1.1 智能
 1.1.2 人工智能
 1.2 人工智能的起源
 1.2.1 人工智能之父
 1.2.2 图灵测试
 1.2.3 达特茅斯会议
 1.3 人工智能的兴衰往事
 1.3.1 人工智能的第一次兴衰
 1.3.2 人工智能的第二次兴衰
 1.3.3 人工智能的第三次浪潮
 1.4 人工智能的发展
 1.4.1 人工智能教父
 1.4.2 从“深蓝”到“AlphaGo”
 1.4.3 人工智能的黄金时代
 本章小结
 练习1
第2章 人工智能的应用领域
 2.1 人工智能的分类
 2.1.1 弱人工智能
 2.1.2 强人工智能
 2.2 人工智能的三个阶段
 2.2.1 人工智能的“计算智能”阶段
 2.2.2 人工智能的“感知智能”阶段
 2.2.3 人工智能的“认知智能”阶段
 2.3 人工智能的技术领域
 2.3.1 人工智能的“看”——计算机视觉
 2.3.2 人工智能的“听”——语音处理
 2.3.3 人工智能的“想”——自然语言处理
 2.4 人工智能的技术领域
 2.4.1 数据服务
 2.4.2 数据智能
 2.4.3 智能控制
 2.4.4 智能芯片
 2.5 人工智能行业应用场景
 2.5.1 智能安防
 2.5.2 智能驾驶
 2.5.3 智能医疗
 2.5.4 智能服务
 2.5.5 智能家居
 2.5.6 智慧农业
 2.5.7 智慧交通
 2.5.8 智慧城市
 2.5.9 数字李生
 2.6 人工智能的展望
 2.6.1 更易用的人工智能开发框架
 2.6.2 更完善的人工智能数据服务
 2.6.3 更安全的人工智能数据共享
 2.6.4 更优化的人工智能算法模型
 2.6.5 “端-边-云”全面发展的人工智能算力
 2.6.6 更广泛的人工智能服务
 本章小结
 练习2
第3章 人工智能中的应用和方法
 3.1 搜索算法
 3.1.1 智能系统中的搜索
 3.1.2 搜索算法介绍
 3.1.3 盲目检索
 3.1.4 知情搜索
 3.1.5 博弈中的搜索
 3.2 博弈
 3.2.1 二人博弈
 3.2.2 囚徒困境
 3.2.3 高级计算机博弈
 3.3 逻辑
 3.3.1 人工智能中的逻辑
 3.3.2 逻辑和表示
 3.3.3 模糊逻辑
 3.4 产生式系统和专家系统
 3.4.1 人工智能中的知识表示
 3.4.2 产生式系统
 3.4.3 专家系统
 3.5 神经网络
 3.5.1 神经元
 3.5.2 人工神经网络
 3.5.3 梯度消失与梯度爆炸
 3.5.4 损失函数
 3.5.5 激活函数
 3.6 进化计算
 3.6.1 模拟退火
 3.6.2 遗传算法
 3.6.3 遗传规划
 3.7 自然语言处理
 3.7.1 自然语言处理的概述
 3.7.2 自然语言处理的常用技术
 3.7.3 自然语言处理的统计方法与概率模型
 本章小结
 练习3
第4章 人脸识别
 4.1 案例描述
 4.2 案例解析
 4.3 知识链接
 4.4 案例学习
 4.4.1 人脸识别应用案例
 4.4.2 百度AI平台人脸检测
 4.5 案例实现
 4.6 人脸识别案例实战
 本章小结
 练习4
第5章 图像分类
 5.1 案例描述
 5.2 案例解析
 5.2.1 图像分类方法概述
 5.2.2 实现方法选择
 5.2.3 案例实现过程
 5.3 知识链接
 5.3.1 图像分类与检测概述
 5.3.2 图像分类与检测的难点与挑战
 5.3.3 图像分类类型
 5.4 图像分类案例实践
 5.4.1 任务1 基于Anaconda安装TensorFlow
 5.4.2 任务2 加载猫狗数据集
 5.4.3 任务3 编译模型
 5.4.4 任务4 训练模型
 5.4.5 任务5 使用模型进行预测
 本章小结
 练习5
第6章 语音识别
 6.1 语音识别综述
 6.1.1 语音识别技术概述
 6.1.2 语音识别技术发展历史
 6.2 语音识别知识介绍
 6.2.1 语音识别原理
 6.2.2 语音识别系统的分类
 6.2.3 语音识别的几种基本方法
 6.3 语音识别应用案例
 本章小结
 练习6
第7章 语音交互
 7.1 语音交互的概念
 7.2 语音交互的优缺点
 7.3 语音交互的原则
 7.4 语音交互产品主要应用场景
 7.5 语音交互框架
 7.6 语音交互案例
 本章小结
 练习7
第8章 机器翻译
 8.1 机器翻译概述
 8.1.1 机器翻译的起源与发展
 8.1.2 机器翻译的基本原理
 8.1.3 在线机译
 8.2 机器翻译的核心技术
 8.2.1 基于规则的机器翻译
 8.2.2 基于统计的机器翻译
 8.2.3 基于端到端的神经机器翻译
 8.3 机器翻译的基本应用
 8.4 文本与图片翻译案例
 8.4.1 案例描述
 8.4.2 知识准备
 8.4.3 任务1 文本的单语言翻译
 8.4.4 任务2 文本的多语言翻译
 8.4.5 任务3 图片中文字的识别与翻译
 本章小结
 练习8
第9章 人工智能的开发环境
 9.1 Python基础
 9.1.1 变量
 9.1.2 字符串
 9.1.3 流程控制——分支结构
 9.1.4 流程控制——循环结构