本書是“人工智能技術應用核心課程系列教材”的*本，通過對人工智能基礎概念、技術分類、開發(fā)平臺、應用場景和開發(fā)運行環(huán)境及編程語言等的系統介紹，結合樣板程序、經典案例的上機實踐與代碼分析，使初學者快速地對人工智能的技術全貌建立起系統的認識，并且掌握典型應用開發(fā)環(huán)境與平臺的安裝、配置及應用編程基礎技術。本書非常適合：對人工智能、機器學習和深度學習感興趣的讀者；需要掌握人工智能通識知識的政府、企事業(yè)人員和高校學生；需要先行快速了解人工智能全貌、為后續(xù)深入學習奠定基礎的高職相關專業(yè)的學生；期望快速進入智能文本分析、圖像識別、語音處理、機器視覺、智能機器人等人工智能應用領域從事研發(fā)工作的工程技術人員。
聶明，男，1964年生人，中共黨員，博士，三級教授， 現任南京信息職業(yè)技術學院人工智能學院（籌）院長，是全國工信和信息化職業(yè)教育教學指導委員會計算機專指委委員、江蘇省"333工程”中青年學術帶頭人、江蘇省"六大人才高峰”高層次人才培養(yǎng)對象。編著出版過《移動增值應用開發(fā)導論》、《Java Web應用開發(fā)項目教程》、《VC++程序設計技能教程與實訓》和《計算機應用技術導論》等多本專著和教材。
第1章 人工智能的產生與發(fā)展1
1.1 引言—激動人心的AI-20161
1.2 人工智能的產生與發(fā)展6
1.3 認識人工智能的賦能9
1.4 人工智能、機器學習與深度學習18
1.5 算法、算力與大數據22
1.6 人工智能的產業(yè)生態(tài)24
1.6.1 人工智能產業(yè)鏈的三層劃分24
1.6.2 基礎層25
1.6.3 技術層29
1.6.4 應用層30
1.7 科技巨頭在AI領域的布局31
1.7.1 國外科技巨頭在AI領域的布局31
1.7.2 中國科技巨頭在AI領域的布局33
1.7.3 全球各國人工智能政策37
1.7.4 中美競賽38
1.8 人工智能技術應用的學習路徑38
第2章 人工智能典型應用展現與體驗40
2.1 科大訊飛語音綜合服務開放平臺40
2.2 指紋識別46
2.3 人臉識別系統49
2.4 電子商務人工智能應用50
2.5 商業(yè)智能55
2.6 智能商用服務機器人59
2.7 智能視頻監(jiān)控67
第3章 Python語言基礎73
3.1 Python語言的產生與發(fā)展73
3.2 Python開發(fā)環(huán)境搭建74
3.3 Python常用語句81
3.4 列表、元組、字典和字符串87
3.5 Python的函數96
3.5.1 自定義函數96
3.5.2 Python常用內置函數100
3.6 Python矩陣運算103
3.7 Python庫106
3.8 典型樣板程序107
第4章 Python數據處理112
4.1 常見數據集簡介112
4.1.1 MNIST數據集112
4.1.2 CTW數據集114
4.2 數據收集、整理與清洗115
4.2.1 數據收集115
4.2.2 數據整理122
4.2.3 數據清洗125
4.3 數據分析130
4.3.1 CSV文件130
4.3.2 Excel文件134
4.3.3 數據庫139
4.4 數據可視化141
4.4.1 matplotlib庫應用141
4.4.2 pandas庫應用144
4.4.3 seaborn應用145
4.5 圖像處理146
4.5.1 數字圖像處理技術146
4.5.2 圖像格式的轉化147
4.5.3 Python圖像處理149
第5章 機器學習及其典型算法應用155
5.1 機器學習簡介155
5.1.1 基本含義155
5.1.2 應用場景155
5.1.3 機器學習類型157
5.1.4 相關術語159
5.1.5 scikit-learn平臺160
5.2 分類任務163
5.2.1 分類的含義163
5.2.2 分類主要算法164
5.2.3 分類任務示例167
5.3 回歸任務171
5.3.1 回歸的含義171
5.3.2 回歸主要算法171
5.3.3 回歸任務示例171
5.4 聚類任務175
5.4.1 聚類的含義175
5.4.2 聚類主要算法175
5.4.3 聚類任務示例177
5.5 機器學習應用實例178
5.5.1 手寫數字識別178
5.5.2 波士頓房價預測180
第6章 神經網絡及其基礎算法應用187
6.1 神經網絡簡介187
6.1.1 神經網絡的概念與地位187
6.1.2 生物神經元188
6.1.3 人工神經元模型與神經網絡189
6.1.4 感知器算法及應用示例191
6.2 前饋型神經網絡195
6.2.1 前饋神經網絡模型195
6.2.2 反向傳播神經網絡196
6.2.3 反向傳播神經網絡算法規(guī)則197
6.2.4 反向傳播神經網絡應用示例198
6.3 反饋型神經網絡202
6.3.1 反饋神經網絡模型202
6.3.2 離散Hopfield神經網絡203
6.3.3 連續(xù)Hopfield神經網絡208
6.3.4 用DHNN識別殘缺的字母211
6.4 卷積神經網絡214
6.4.1 卷積與卷積神經網絡簡介214
6.4.2 卷積神經網絡的結構—以LeNet-5為例217
6.4.3 CNN的學習規(guī)則226
6.4.4 CNN應用示例228
第7章 深度學習及其典型算法應用232
7.1 神經網絡可視化工具—PlayGround232
7.2 TensorFlow深度學習平臺240
7.2.1 TensorFlow簡介240
7.2.2 TensorFlow開發(fā)環(huán)境搭建242
7.2.3 TensorFlow的組成模型248
7.2.4 TensorFlow的HelloWorld程序示例258
7.2.5 TensorFlow實現線性回歸259
7.2.6 TensorFlow實現全連接神經網絡261
7.3 深度學習在MNIST圖像識別中的應用263
7.3.1 MNIST數據集及其識別方法263
7.3.2 全連接神經網絡識別MNIST圖像266
7.3.3 卷積神經網絡識別MNIST圖像267
7.3.4 循環(huán)神經網絡識別MNIST圖像270
7.4 典型深度學習平臺274
7.4.1 典型深度學習平臺簡介274
7.4.2 樣板深度學習平臺的體驗與分析275
第8章 人工智能的機遇、挑戰(zhàn)與未來284
8.1 人工智能的行業(yè)應用日趨火爆284
8.2 “智能代工”大潮來襲287
8.3 新IT、智聯網與社會信息物理系統289
8.4 人工智能的未來293
8.4.1 發(fā)展趨勢預測293
8.4.2 中國的人工智能布局295
8.4.3 全球人工智能的產業(yè)規(guī)模299
8.5 人工智能面臨的挑戰(zhàn)300
8.5.1 人工智能面臨的人才挑戰(zhàn)300
8.5.2 人工智能面臨的技術挑戰(zhàn)301
8.5.3 人工智能面臨的法律、安全與倫理挑戰(zhàn)301
8.6 擁抱人工智能的明天305
附錄A VirtualBox虛擬機軟件與Linux的安裝和配置310
附錄B Linux（Ubuntu 14.4）的基本命令與使用333
附錄C GitHub代碼托管平臺338
附錄D Docker技術與應用342
附錄E 人工智能的數學基礎與工具344
附錄F 公開數據集介紹與下載355
附錄G 人工智能的網絡學習資源360
附錄H 人工智能的技術圖譜363
附錄I 人工智能技術應用就業(yè)崗位與技能需求366
參考文獻371
書單推薦
