顶部
收藏

人工智能应用基础


作者:
肖正兴 聂哲
定价:
49.50元
ISBN:
978-7-04-052759-9
版面字数:
0.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2019-11-14
读者对象:
高等职业教育
一级分类:
公共课
二级分类:
计算机应用基础
三级分类:
计算机应用基础

本书为“十四五”职业教育国家规划教材。本书的设计和编写理念是培养高职学生的人工智能素养、计算思维能力和人工智能应用能力,内容选取既适合高职学生的特点,又突出人工智能的通识性、典型性、实用性和可操作性。书中选取多个反映人工智能典型问题的案例,并采用项目化思想重构了所有案例,每个案例由循序渐进的递进式任务组成,支持课堂分层次教学实施。全书共分8章,主要内容包括人工智能绪论、人工智能之Python基础、人工智能之图像识别、人工智能之自然语言处理、人工智能之人脸识别、大数据与商业智能、人工智能之机器学习和人工智能之生命游戏。

本书配有授课用PPT、教学计划、案例素材、结果文件、习题答案等丰富的数字化学习资源。与本书配套的数字课程“人工智能应用基础”在“智慧职教”网站(www.icve.com.cn)上线,学习者可以登录网站进行在线学习及资源下载,授课教师可以调用本课程构建符合自身教学特色的SPOC课程,详见“智慧职教”服务指南。本书同时配有MOOC课程,学习者可以访问“智慧职教MOOC学院”(mooc.icve.com.cn)进行在线开放课程学习。教师也可发邮件至编辑邮箱1548103297@qq.com获取相关资源。

本书紧跟人工智能技术动态,选取了人工智能中的典型应用,同时采用Python作为载体,兼顾通识与技能,具有很强的操作性和实用性,既可作为高等职业院校及应用型本科院校人工智能公共基础课程的教材,也可作为电子信息、计算机类相关专业的人工智能课程入门教材。

  • 前辅文
  • 第1章 人工智能绪论
    • 1.1 我们身边的人工智能
      • 1.1.1 人工智能助力北京冬奥
      • 1.1.2 人工智能的潜在危机
      • 1.1.3 “机器人六原则”会有效吗
    • 1.2 智能化技术革命的到来
      • 1.2.1 第一次工业革命(机械化)
      • 1.2.2 第二次工业革命(电气化)
      • 1.2.3 第三次工业革命(自动化)
      • 1.2.4 第四次工业革命(智能化)
    • 1.3 人工智能追根溯源
      • 1.3.1 人工智能的由来
      • 1.3.2 人工智能的基本概念
      • 1.3.3 人工智能的发展历程
    • 1.4 人工智能发展现状
      • 1.4.1 专用人工智能的突破
      • 1.4.2 通用人工智能起步阶段
    • 1.5 人工智能云应用场景
      • 1.5.1 什么是人工智能云服务
      • 1.5.2 为什么人工智能需要迁移到云端
      • 1.5.3 人工智能云服务的类型
      • 1.5.4 体验人工智能云应用
    • 1.6 人工智能未来发展趋势
    • 1.7 本章小结
    • 1.8 课后习题
  • 第2章 人工智能之Python基础
    • 2.1 案例:绘制多彩多角星
      • 2.1.1 提出问题
      • 2.1.2 解决方案
      • 2.1.3 预备知识
      • 2.1.4 任务1——绘制一个三角形
      • 2.1.5 任务2——快速绘制一颗多角星
      • 2.1.6 任务3——绘制三色边线
      • 2.1.7 任务4——自行设置角星
      • 2.1.8 拓展任务:多星环绕
    • 2.2 案例:图片文件快速整理
      • 2.2.1 提出问题
      • 2.2.2 解决方案
      • 2.2.3 预备知识
      • 2.2.4 任务1——快速复制jpg文件
      • 2.2.5 任务2——复制并统计图片文件
      • 2.2.6 任务3——图片文件统一改名
      • 2.2.7 任务4——无障碍创建新文件夹
    • 2.3 案例:跳水比赛打分程序
      • 2.3.1 提出问题
      • 2.3.2 解决方案
      • 2.3.3 预备知识
      • 2.3.4 任务1——生成选手的10个分数
      • 2.3.5 任务2——得到选手的8个有效分
      • 2.3.6 任务3——计算选手的平均分和最后得分
      • 2.3.7 任务4——将选手的得分写入Excel文件
      • 2.3.8 任务5——将所有选手的得分写入二维列表
      • 2.3.9 任务6——将所有选手的信息写入二维列表
      • 2.3.10 任务7——将所有选手的得分排序后写入Excel文件
    • 2.4 本章小结
    • 2.5 课后习题
  • 第3章 人工智能之图像识别
    • 3.1 自动驾驶汽车“眼中”的世界
      • 3.1.1 自动驾驶的原理
      • 3.1.2 自动驾驶汽车“眼里”的世界是怎样的
    • 3.2 技术探寻:图像识别的技术实现
      • 3.2.1 图像识别的基本问题
      • 3.2.2 图像识别的发展历程
    • 3.3 案例实现:智能图像审核
      • 3.3.1 提出问题
      • 3.3.2 解决方案
      • 3.3.3 预备知识
      • 3.3.4 任务1——审核单张图像
      • 3.3.5 任务2——图像化审核结果
      • 3.3.6 任务3——批量审核图像
      • 3.3.7 任务4——存储审核结果
      • 3.3.8 拓展任务
    • 3.4 应用场景
      • 3.4.1 视频/监控分析
      • 3.4.2 工业视觉检测
      • 3.4.3 医疗影像诊断
      • 3.4.4 文字识别
    • 3.5 展望未来
      • 3.5.1 汽车驾驶领域
      • 3.5.2 AR技术领域
      • 3.5.3 图片与视频处理领域
    • 3.6 本章小结
    • 3.7 课后习题
  • 第4章 人工智能之自然语言处理
    • 4.1 智能语音助手
    • 4.2 自然语言处理简介
      • 4.2.1 自然语言处理的研究内容
      • 4.2.2 自然语言处理的发展历程
    • 4.3 案例实现:商品销售分析
      • 4.3.1 提出问题
      • 4.3.2 解决方案
      • 4.3.3 预备知识
      • 4.3.4 任务1——简易采集数据
      • 4.3.5 任务2——分析情感倾向
      • 4.3.6 任务3——抽取评论观点
      • 4.3.7 任务4——自定义采集数据
    • 4.4 应用场景
    • 4.5 展望未来
    • 4.6 本章小结
    • 4.7 课后习题
  • 第5章 人工智能之人脸识别
    • 5.1 宝贝回家——人脸识别寻亲
    • 5.2 人脸识别的关键技术与原理
      • 5.2.1 人脸检测
      • 5.2.2 人脸配准
      • 5.2.3 人脸属性识别
      • 5.2.4 人脸特征提取
      • 5.2.5 人脸比对
      • 5.2.6 人脸验证
      • 5.2.7 人脸身份识别
      • 5.2.8 人脸检索
      • 5.2.9 人脸聚类
      • 5.2.10 人脸活体检测
    • 5.3 案例实现:智能照片搜索
      • 5.3.1 提出问题
      • 5.3.2 解决方案
      • 5.3.3 预备知识
      • 5.3.4 任务1——对比两张人脸的相似度
      • 5.3.5 任务2——检测多张人脸的位置
      • 5.3.6 任务3——裁剪人脸
      • 5.3.7 任务4——搜索并分类照片
      • 5.3.8 拓展任务
    • 5.4 应用场景
      • 5.4.1 智能安防
      • 5.4.2 商业服务
      • 5.4.3 娱乐领域
    • 5.5 展望未来
      • 5.5.1 商业服务领域
      • 5.5.2 教育领域
    • 5.6 本章小结
    • 5.7 课后习题
  • 第6章 大数据与商业智能
    • 6.1 大数据与矿泉水的故事
      • 6.1.1 数据是如何产生的
      • 6.1.2 如何通过数据分析提高效率
    • 6.2 技术探寻:大数据与商业智能
      • 6.2.1 大数据
      • 6.2.2 商业智能
    • 6.3 案例实现:销售数据分析
      • 6.3.1 提出问题
      • 6.3.2 解决方案
      • 6.3.3 预备知识
      • 6.3.4 任务1——导入数据、设置格式
      • 6.3.5 任务2——建立数据模型
      • 6.3.6 任务3——新建列和新建度量值
      • 6.3.7 任务4──数据可视化
      • 6.3.8 任务5──制作交互式可视化面板
      • 6.3.9 任务6——数据分析
      • 6.3.10 拓展任务
    • 6.4 应用场景
      • 6.4.1 尿布与啤酒
      • 6.4.2 数据新闻让英国撤军
      • 6.4.3 微软大数据成功预测奥斯卡21项大奖
    • 6.5 展望未来
      • 6.5.1 金融业
      • 6.5.2 在线社交
      • 6.5.3 医疗健康
      • 6.5.4 智慧城市
    • 6.6 本章小结
    • 6.7 课后习题
  • 第7章 人工智能之机器学习
    • 7.1 AlphaGo是如何下棋的
    • 7.2 技术探寻:机器学习的技术实现
      • 7.2.1 机器学习的基本概念
      • 7.2.2 机器学习的发展历程
    • 7.3 案例实现:鸢尾花分类
      • 7.3.1 提出问题
      • 7.3.2 解决方案
      • 7.3.3 预备知识
      • 7.3.4 任务1——设计鸢尾花分类器
      • 7.3.5 任务2——实现鸢尾花分类
    • 7.4 应用场景
    • 7.5 展望未来
    • 7.6 本章小结
    • 7.7 课后习题
  • 第8章 人工智能之生命游戏
    • 8.1 生命游戏的起源
    • 8.2 技术探寻
    • 8.3 案例实现
      • 8.3.1 提出问题
      • 8.3.2 解决方案
      • 8.3.3 预备知识
      • 8.3.4 任务1——打印输出一个“滑翔机”图案
      • 8.3.5 任务2——用生命游戏的规则推演“滑翔机”图案
      • 8.3.6 任务3——随机初始化推演生命游戏
      • 8.3.7 拓展任务
    • 8.4 应用场景
    • 8.5 展望未来
    • 8.6 本章小结
    • 8.7 课后习题
  • 参考文献

相关图书