本書涵蓋人工智能概述、Python編程基礎、TensorFlow機器學習框架、機器學習算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡、TensorFlow高級框架、OpenCV開發(fā)與應用等基礎知識，并介紹且搭建了計算機視覺中的手寫數(shù)字識別與人臉識別、自然語言處理中的語音識別與智能聊天機器人具體項目，還介紹并實踐了AI開放平臺的接入與使用，最后在綜合實訓案例解析中完成了對所學知識的整合。
1.突出素質(zhì)教育，以培養(yǎng)學生的能力為本位，以提高學生的就業(yè)技能為導向。
2.內(nèi)容簡潔、結(jié)構(gòu)嚴謹、邏輯分明、條理清晰，在內(nèi)容和形式上都有創(chuàng)新。
3.編寫由淺入深，從Python的基礎語法到機器學習再到深度學習，還有AI開放平臺的使用以及綜合項目的實現(xiàn)。
4.注重理論與實踐的結(jié)合，每個知識點都對應著實例進行剖析，將引入的實例結(jié)合理論和算法予以解決。
5.采用結(jié)合視頻教學的方法，并對每一個樣例提供源碼，每一個樣例都可以復現(xiàn)。
6.參與本書編寫工作的人員都是長期從事嵌入式和人工智能的工程師，具有豐富的實踐經(jīng)驗。
劉洪濤 2005年畢業(yè)于北京工業(yè)大學機電工程專業(yè)，碩士研究生學歷，目前就職于北京華清遠見科技信息有限公司。職位是華清遠見技術(shù)總監(jiān)；ARM公司全球認證講師；參與編寫過幾十本專業(yè)圖書；國內(nèi)知名物聯(lián)網(wǎng)方向技術(shù)顧問；首批高校物聯(lián)網(wǎng)專業(yè)建設教學指導委員會專家委員會成員；豐富的嵌入式及物聯(lián)網(wǎng)系統(tǒng)軟、硬件產(chǎn)品開發(fā)經(jīng)驗；主持開發(fā)過多個大型嵌入式及物聯(lián)網(wǎng)項目，涉及工業(yè)控制、網(wǎng)絡、通訊、消費電子等眾多領域。
第 1章 人工智能概述 1
1.1 了解人工智能 1
1.2 了解深度學習 2
1.3 人工智能發(fā)展現(xiàn)狀 4
1.4 人工智能機器學習框架 5
1.4.1 機器學習框架簡介 5
1.4.2 TensorFlow 5
1.4.3 PaddlePaddle 7
1.5 怎樣學習人工智能 7
1.6 小結(jié) 8
1.7 練習題 8
第 2章 Python編程基礎 9
2.1 Python入門 9
2.2 開發(fā)環(huán)境搭建 10
2.2.1 安裝Python 10
2.2.2 安裝PyCharm 13
2.2.3 體驗PyCharm 17
2.3 基礎語法 21
2.3.1 基本輸入和輸出 21
2.3.2 Python運算符 24
2.3.3 Python數(shù)據(jù)類型 33
2.3.4 Python語句 38
2.3.5 Python函數(shù) 43
2.4 面向?qū)ο蟆?4
2.5 第三方庫的使用 45
2.5.1 NumPy 46
2.5.2 Pandas 49
2.5.3 Matplotlib 52
2.6 小結(jié) 57
2.7 練習題 57
第3章 TensorFlow機器學習框架 58
3.1 TensorFlow介紹 58
3.1.1 TensorFlow基礎介紹 58
3.1.2 分布式TensorFlow 61
3.2 TensorFlow環(huán)境搭建 61
3.2.1 安裝Anaconda 61
3.2.2 使用pip的Windows環(huán)境安裝 67
3.2.3 使用pip的Linux環(huán)境安裝 68
3.2.4 使用源代碼編譯安裝 68
3.3 TensorFlow計算機加速 68
3.3.1 TensorFlow的使用 68
3.3.2 TensorFlow使用GPU加速 70
3.4 小結(jié) 70
3.5 練習題 71
第4章 機器學習算法 72
4.1 線性回歸 72
4.1.1 什么是線性回歸 72
4.1.2 線性回歸例子引入 73
4.1.3 數(shù)學方法解決線性回歸問題 75
4.1.4 利用TensorFlow解決線性回歸問題 78
4.2 邏輯回歸 81
4.2.1 什么是邏輯回歸 81
4.2.2 邏輯回歸例子引入 82
4.2.3 數(shù)學方法解決邏輯回歸問題 83
4.2.4 利用TensorFlow解決邏輯回歸問題 83
4.3 KNN 85
4.3.1 什么是KNN 86
4.3.2 KNN例子引入 86
4.3.3 數(shù)學方法解決KNN問題 87
4.3.4 利用TensorFlow解決KNN問題 91
4.4 使用第三方模塊實現(xiàn)KNN 92
4.5 其他機器學習算法 94
4.5.1 支持向量機 94
4.5.2 決策樹 94
4.5.3 隨機森林 95
4.5.4 K-Means 95
4.6 小結(jié) 95
4.7 練習題 95
第5章 MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡 96
5.1 MNIST數(shù)據(jù)集簡介 96
5.2 神經(jīng)元常用函數(shù) 97
5.2.1 激活函數(shù) 97
5.2.2 池化函數(shù) 99
5.2.3 損失函數(shù) 100
5.3 深度神經(jīng)網(wǎng)絡 101
5.4 經(jīng)典卷積神經(jīng)網(wǎng)絡介紹 102
5.4.1 LeNet-5模型及其實現(xiàn) 103
5.4.2 AlexNet介紹 109
5.4.3 VGGNet介紹 109
5.4.4 Inception模型及其實現(xiàn) 109
5.5 循環(huán)神經(jīng)網(wǎng)絡 112
5.5.1 循環(huán)神經(jīng)網(wǎng)絡簡介 112
5.5.2 循環(huán)神經(jīng)網(wǎng)絡實現(xiàn) 115
5.6 優(yōu)化器及優(yōu)化方法 117
5.6.1 優(yōu)化方法 117
5.6.2 學習率設置 118
5.7 小結(jié) 118
5.8 練習題 118
第6章 TensorFlow高級框架 119
6.1 TFLearn 119
6.2 Keras 121
6.3 小結(jié) 123
6.4 練習題 124
第7章 OpenCV開發(fā)與應用 125
7.1 OpenCV介紹 125
7.2 OpenCV常見應用 127
7.2.1 攝像頭調(diào)用 127
7.2.2 OpenCV的圖像簡單處理 128
7.2.3 圖像處理的意義及價值 132
7.3 小結(jié) 133
7.4 練習題 133
第8章 計算機視覺處理 134
8.1 計算機視覺開發(fā)介紹 134
8.2 手寫數(shù)字識別 136
8.2.1 項目介紹 137
8.2.2 圖像獲取以及預處理 138
8.2.3 圖像識別 139
8.2.4 結(jié)果顯示 143
8.3 人臉識別 143
8.3.1 項目介紹 144
8.3.2 人臉的數(shù)據(jù)集介紹 144
8.3.3 人臉識別流程 145
8.3.4 人臉識別方案 145
8.3.5 人臉識別應用 146
8.4 小結(jié) 154
8.5 練習題 154
第9章 自然語言處理 155
9.1 人工智能自然語言處理介紹 155
9.2 英文語音識別 156
9.2.1 項目介紹 156
9.2.2 訓練模型 156
9.2.3 測試效果 160
9.3 打造智能聊天機器人 163
9.3.1 seq2seq的機制原理 163
9.3.2 實踐 163
9.4 小結(jié) 164
9.5 練習題 164
第 10章 人工智能開放平臺應用 165
10.1 AI開放平臺介紹 165
10.2 百度AI開放平臺應用 166
10.2.1 百度AI開放平臺介紹 166
10.2.2 基于百度AI開放平臺的圖像識別 166
10.2.3 基于百度AI開放平臺的語音識別 170
10.2.4 基于百度AI開放平臺的人臉識別 172
10.3 更多AI開放平臺實踐 175
10.3.1 騰訊AI開放平臺 175
10.3.2 阿里AI開放平臺 175
10.3.3 京東AI開放平臺 176
10.3.4 小愛AI開放平臺 176
10.3.5 訊飛AI開放平臺 177
10.4 小結(jié) 177
10.5 練習題 177
第 11章 綜合實訓案例解析 178
11.1 基于機械臂的工業(yè)分揀系統(tǒng) 178
11.1.1 項目概要 178
11.1.2 項目設計 179
11.1.3 項目實現(xiàn) 186
11.2 小結(jié) 193
11.3 練習題 193
書單推薦
