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:
410.000千字
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,既可作为高职高专及中等职业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 科幻片中描绘的人工智能
      • 1.1.1 《她》,你相信人工智能的爱情吗
      • 1.1.2 《西部世界》,人工智能觉醒的故事会发生吗
      • 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 特斯拉“眼中”的世界
      • 3.1.1 自动驾驶的原理
      • 3.1.2 特斯拉“眼中”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
      • 6.4.4 Google成功预测冬季流感
    • 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 机器学习的基本原理
      • 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