人工智能基础与应用 微课版

1.突出素质教育，以培养学生的能力为本位，以提高学生的就业技能为导向。 2.内容简洁、结构严谨、逻辑分明、条理清晰，在内容和形式上都有创新。 3.编写由浅入深，从Python的基础语法到机器学习再到深度学习，还有AI开放平台的使用以及综合项目的实现。 4.注重理论与实践的结合，每个知识点都对应着实例进行剖析，将引入的实例结合理论和算法予以解决。 5.采用结合视频教学的方法，并对每一个样例提供源码，每一个样例都可以复现。 6.参与本书编写工作的人员都是长期从事嵌入式和人工智能的工程师，具有丰富的实践经验。

本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。本书可作为人工智能、计算机、自动化等专业相关课程的教材，也可作为人工智能开发人员的参考用书。

第1章人工智能概述 
1.1了解人工智能 
1.2了解深度学习 
1.3人工智能发展现状 
1.4人工智能机器学习框架 
1.4.1机器学习框架简介 
1.4.2TensorFlow 
1.4.3PaddlePaddle 
1.5怎样学习人工智能 
1.6小结 
1.7练习题 
第2章Python编程基础 
2.1Python入门 
2.2开发环境搭建 
2.2.1安装Python 
2.2.2安装PyCharm 
2.2.3体验PyCharm 
2.3基础语法 
2.3.1基本输入和输出 
2.3.2Python运算符 
2.3.3Python数据类型 
2.3.4Python语句 
2.3.5Python函数 
2.4面向对象 
2.5第三方库的使用 
2.5.1NumPy 
2.5.2Pandas 
2.5.3Matplotlib 
2.6小结 
2.7练习题 
第3章TensorFlow机器学习框架 
3.1TensorFlow介绍 
3.1.1TensorFlow基础介绍 
3.1.2分布式TensorFlow 
3.2TensorFlow环境搭建 
3.2.1安装Anaconda 
3.2.2使用pip的Windows环境安装 
3.2.3使用pip的Linux环境安装 
3.2.4使用源代码编译安装 
3.3TensorFlow计算机加速 
3.3.1TensorFlow的使用 
3.3.2TensorFlow使用GPU加速 
3.4小结 
3.5练习题 
第4章机器学习算法 
4.1线性回归 
4.1.1什么是线性回归 
4.1.2线性回归例子引入 
4.1.3数学方法解决线性回归问题 
4.1.4利用TensorFlow解决线性回归问题 
4.2逻辑回归 
4.2.1什么是逻辑回归 
4.2.2逻辑回归例子引入 
4.2.3数学方法解决逻辑回归问题 
4.2.4利用TensorFlow解决逻辑回归问题 
4.3KNN 
4.3.1什么是KNN 
4.3.2KNN例子引入 
4.3.3数学方法解决KNN问题 
4.3.4利用TensorFlow解决KNN问题 
4.4使用第三方模块实现KNN 
4.5其他机器学习算法 
4.5.1支持向量机 
4.5.2决策树 
4.5.3随机森林 
4.5.4K-Means 
4.6小结 
4.7练习题 
第5章MNIST数据集及神经网络 
5.1MNIST数据集简介 
5.2神经元常用函数 
5.2.1激活函数 
5.2.2池化函数 
5.2.3损失函数 
5.3深度神经网络 
5.4经典卷积神经网络介绍 
5.4.1LeNet-5模型及其实现 
5.4.2AlexNet介绍 
5.4.3VGGNet介绍 
5.4.4Inception模型及其实现 
5.5循环神经网络 
5.5.1循环神经网络简介 
5.5.2循环神经网络实现 
5.6优化器及优化方法 
5.6.1优化方法 
5.6.2学习率设置 
5.7小结 
5.8练习题 
第6章TensorFlow*级框架 
6.1TFLearn 
6.2Keras 
6.3小结 
6.4练习题 
第7章OpenCV开发与应用 
7.1OpenCV介绍 
7.2OpenCV常见应用 
7.2.1摄像头调用 
7.2.2OpenCV的图像简单处理 
7.2.3图像处理的意义及价值 
7.3小结 
7.4练习题 
第8章计算机视觉处理 
8.1计算机视觉开发介绍 
8.2手写数字识别 
8.2.1项目介绍 
8.2.2图像获取以及预处理 
8.2.3图像识别 
8.2.4结果显示 
8.3人脸识别 
8.3.1项目介绍 
8.3.2人脸的数据集介绍 
8.3.3人脸识别流程 
8.3.4人脸识别方案 
8.3.5人脸识别应用 
8.4小结 
8.5练习题 
第9章自然语言处理 
9.1人工智能自然语言处理介绍 
9.2英文语音识别 
9.2.1项目介绍 
9.2.2训练模型 
9.2.3测试效果 
9.3打造智能聊天机器人 
9.3.1seq2seq的机制原理 
9.3.2实践 
9.4小结 
9.5练习题 
第10章人工智能开放平台应用 
10.1AI开放平台介绍 
10.2百度AI开放平台应用 
10.2.1百度AI开放平台介绍 
10.2.2基于百度AI开放平台的图像识别 
10.2.3基于百度AI开放平台的语音识别 
10.2.4基于百度AI开放平台的人脸识别 
10.3更多AI开放平台实践 
10.3.1腾讯AI开放平台 
10.3.2阿里AI开放平台 
10.3.3京东AI开放平台 
10.3.4小爱AI开放平台 
10.3.5讯飞AI开放平台 
10.4小结 
10.5练习题 
第11章综合实训案例解析 
11.1基于机械臂的工业分拣系统 
11.1.1项目概要 
11.1.2项目设计 
11.1.3项目实现 
11.2小结 
11.3练习题