第1章 人工智能概述 （1）
1.1 人工智能的概念 （3）
1.1.1 人工智能的定義 （3）
1.1.2 圖靈測試 （4）
1.2 人工智能的發(fā)展 （5）
1.2.1 代表人物和事件 （6）
1.2.2 人工智能發(fā)展史 （8）
1.2.3 我國人工智能的發(fā)展狀況 （13）
1.3 人工智能的分類 （16）
1.3.1 弱人工智能 （16）
1.3.2 強人工智能 （17）
1.3.3 超人工智能 （17）
1.4 人工智能研究的主要學派 （17）
1.4.1 符號主義學派 （17）
1.4.2 連接主義學派 （19）
1.4.3 行為主義學派 （20）
1.5 人工智能的主要研究領域 （21）
1.5.1 感知問題 （21）
1.5.2 模式識別 （22）
1.5.3 博弈 （22）
1.5.4 搜索 （23）
1.5.5 自然語言處理 （23）
1.5.6 專家系統(tǒng) （24）
1.5.7 機器人學 （25）
1.6 本章實訓 （26）
1.6.1 實訓1 體驗人工智能詩歌寫作 （26）
1.6.2 實訓2 文心一言 （27）
1.7 拓展知識：未來已來，人工智能改變生活 （28）
1.8 本章習題 （29）
第2章 人工智能生態(tài) （32）
2.1 大數(shù)據(jù) （34）
2.1.1 什么是大數(shù)據(jù) （34）
2.1.2 大數(shù)據(jù)的四大特性 （35）
2.1.3 大數(shù)據(jù)與人工智能 （36）
2.1.4 大數(shù)據(jù)的應用案例 （37）
2.2 物聯(lián)網(wǎng) （38）
2.2.1 什么是物聯(lián)網(wǎng) （38）
2.2.2 物聯(lián)網(wǎng)的技術架構 （39）
2.2.3 物聯(lián)網(wǎng)的特點 （40）
2.2.4 物聯(lián)網(wǎng)的未來趨勢 （41）
2.2.5 物聯(lián)網(wǎng)與人工智能 （41）
2.3 云計算 （42）
2.3.1 什么是云計算 （42）
2.3.2 云計算的特點 （43）
2.3.3 云計算的分類 （43）
2.3.4 云計算的服務模式 （44）
2.3.5 云計算的應用 （44）
2.4 5G通信技術 （45）
2.4.1 什么是5G （45）
2.4.2 5G的關鍵技術 （45）
2.4.3 5G的應用場景 （48）
2.5 本章實訓 （49）
2.5.1 實訓1 使用百度網(wǎng)盤 （49）
2.5.2 實訓2 二維碼分享 （51）
2.6 拓展知識：我國的5G網(wǎng)絡建設 （52）
2.7 本章習題 （53）
第3章 人工智能軟/硬件平臺 （54）
3.1 芯片是人工智能的算力基礎 （56）
3.1.1 什么是芯片 （56）
3.1.2 芯片的分類 （57）
3.1.3 芯片的制造工藝 （59）
3.1.4 摩爾定律 （59）
3.2 智能芯片 （59）
3.2.1 什么是智能芯片 （59）
3.2.2 智能芯片的分類 （60）
3.2.3 智能芯片的發(fā)展歷程 （64）
3.2.4 智能芯片產業(yè)發(fā)展現(xiàn)狀 （64）
3.3 人工智能開發(fā)框架 （68）
3.3.1 開發(fā)框架的作用 （68）
3.3.2 開發(fā)框架的核心特征 （69）
3.3.3 典型的人工智能開發(fā)框架 （69）
3.4 本章實訓：人工智能芯片相關企業(yè)調研 （73）
3.5 拓展知識：我國科學家研制出首個全模擬光電智能計算芯片 （73）
3.6 本章習題 （74）
第4章 機器學習 （76）
4.1 機器學習概述 （77）
4.1.1 什么是機器學習 （77）
4.1.2 機器學習的發(fā)展歷程 （80）
4.2 機器學習類型 （81）
4.2.1 監(jiān)督學習 （82）
4.2.2 無監(jiān)督學習 （83）
4.2.3 半監(jiān)督學習 （83）
4.2.4 強化學習 （84）
4.3 機器學習常用算法 （84）
4.3.1 線性回歸 （84）
4.3.2 支持向量機 （87）
4.3.3 決策樹 （87）
4.3.4 K近鄰算法 （88）
4.3.5 K均值聚類算法 （89）
4.3.6 關聯(lián)分析 （90）
4.3.7 深度學習 （90）
4.4 本章實訓：形色識別植物 （91）
4.5 拓展知識：AI為首張黑洞照片“美顏” （92）
4.6 本章習題 （93）
第5章 人工神經(jīng)網(wǎng)絡與深度學習 （95）
5.1 人工神經(jīng)網(wǎng)絡概述 （96）
5.1.1 人工神經(jīng)網(wǎng)絡簡介 （96）
5.1.2 人工神經(jīng)網(wǎng)絡的發(fā)展歷程 （97）
5.2 MP模型 （98）
5.2.1 生物神經(jīng)元 （98）
5.2.2 MP模型的結構 （99）
5.2.3 MP模型實現(xiàn)邏輯“與”運算功能 （100）
5.3 感知機 （100）
5.3.1 感知機模型 （101）
5.3.2 感知機的學習過程 （101）
5.3.3 多層感知機實現(xiàn)邏輯“異或”運算功能 （102）
5.4 BP神經(jīng)網(wǎng)絡 （104）
5.4.1 BP神經(jīng)網(wǎng)絡結構 （104）
5.4.2 激活函數(shù) （106）
5.4.3 BP神經(jīng)網(wǎng)絡學習算法 （107）
5.5 深度學習 （109）
5.5.1 深度學習的概念 （109）
5.5.2 卷積神經(jīng)網(wǎng)絡 （110）
5.5.3 循環(huán)神經(jīng)網(wǎng)絡 （114）
5.6 本章實訓：體驗神經(jīng)網(wǎng)絡可視化工具Playground （116）
5.7 拓展知識：三位AI科學家榮獲2018年圖靈獎 （119）
5.8 本章習題 （121）
第6章 計算機視覺 （124）
6.1 計算機視覺概述 （125）
6.1.1 什么是計算機視覺 （125）
6.1.2 計算機視覺的發(fā)展歷程 （126）
6.1.3 計算機視覺的主要任務 （127）
6.1.4 計算機視覺的主要應用 （128）
6.2 圖像處理與視覺系統(tǒng) （128）
6.2.1 圖像的基本原理 （128）
6.2.2 圖像處理技術 （130）
6.2.3 計算機視覺系統(tǒng) （135）
6.3 人臉識別 （138）
6.3.1 人臉識別概述 （138）
6.3.2 人臉識別一般步驟 （140）
6.3.3 人臉識別基本技術 （141）
6.3.4 人臉識別的應用 （145）
6.4 本章實訓：體驗百度人臉檢測與屬性分析 （147）
6.5 拓展知識：人機大戰(zhàn)，百度AI以3 : 2戰(zhàn)勝“最強大腦”王峰 （148）
6.6 本章習題 （148）
第7章 自然語言處理 （150）
7.1 自然語言處理概述 （151）
7.1.1 自然語言處理的定義 （152）
7.1.2 自然語言處理的發(fā)展歷程 （152）
7.1.3 自然語言處理的應用 （153）
7.1.4 自然語言處理的一般流程 （156）
7.1.5 自然語言處理的構成 （158）
7.2 自然語言理解 （159）
7.2.1 自然語言理解的難點 （159）
7.2.2 自然語言理解的層次 （159）
7.3 機器翻譯 （161）
7.3.1 機器翻譯的基本原理 （161）
7.3.2 機器翻譯的方法 （161）
7.3.3 機器翻譯的應用 （163）
7.4 語音識別 （165）
7.4.1 語音識別的定義 （165）
7.4.2 語音識別的發(fā)展歷程 （166）
7.4.3 語音識別系統(tǒng) （166）
7.4.4 語音識別的應用 （167）
7.5 語音合成 （168）
7.5.1 語音合成概述 （168）
7.5.2 語音合成的應用 （168）
7.6 本章實訓 （169）
7.6.1 實訓1：體驗百度在線翻譯 （169）
7.6.2 實訓2：體驗訊飛AI （169）
7.7 拓展知識：“訊飛星火”開啟個性化AI助手新時代 （170）
7.8 本章習題 （171）
參考文獻 （173）