人工智能应用基础（第2版）

本书内容包括人工智能概述、人工智能通用技术、机器学习与深度学习、人工智能典型应用场景与职业发展、人工智能法律与伦理、人工智能与职业发展。突出人工智能主流技术和典型案例, 覆盖了目前市场上最常见的人工智能技术及应用。

绪论 1 单元1 初识人工智能 2 1.1 人工智能的概念 3 1.1.1 人工智能的定义 3 1.1.2 图灵测试 4 1.1.3 人工智能能力分类 5 1.2 人工智能的发展历程 6 1.2.1 人工智能发展的3次浪潮 6 1.2.2 人工智能的未来 8 1.3 人工智能的典型应用 9 1.3.1 人工智能在各行业中的典型应用 9 1.3.2 人工智能在各行业中的基础 12 1.4 人工智能开发准备 13 1.4.1 国家新一代人工智能开放创新平台 13 1.4.2 开发环境准备工作 14 ☆任务1.1 搭建Hello AI开发环境 16 ?任务1.2 Python处理JSON格式数据 19 单元小结 21 习题1 22 单元2 计算机视觉技术与应用 23 2.1 计算机视觉的概念 24 2.1.1 计算机视觉技术体系 24 2.1.2 典型案例：车牌识别 25 2.2 计算机视觉的基本任务 26 2.2.1 图像分类 26 2.2.2 目标检测与定位 26 2.2.3 图像分割 27 2.3 计算机视觉常见应用 28 2.3.1 通用图像处理及应用 28 2.3.2 OCR及其应用 30 2.3.3 人脸识别及其应用 31 2.3.4 人体分析及其应用 33 2.4 机器视觉技术与应用 36 ☆任务2.1 公司文件文字识别 37 ?任务2.2 公司会展人流量统计 40 单元小结 45 习题2 45 单元3 智能语音技术与应用 48 3.1 智能语音处理的概念 49 3.1.1 语音处理技术体系 49 3.1.2 典型案例：懂你的智能音箱 50 3.2 语音处理常用技术 51 3.2.1 语音合成 51 3.2.2 语音识别 52 3.2.3 语音分析 54 3.2.4 声纹识别 54 3.2.5 语音增强 55 3.3 语音处理常见应用 56 3.3.1 语音识别应用 56 3.3.2 语音合成应用 58 3.3.3 离线与在线的概念 58 ☆任务3.1 基于语音合成的客服回复音频化 59 ?任务3.2 基于语音识别的会议录音文本化 63 单元小结 66 习题3 66 单元4 自然语言处理与应用 68 4.1 自然语言处理的概念 69 4.1.1 自然语言处理技术体系 69 4.1.2 典型案例：词云图的生成 70 4.1.3 自然语言中的歧义难题 71 4.2 自然语言处理的基本任务 73 4.2.1 分词 73 4.2.2 词性标注 74 4.2.3 命名实体识别 75 4.2.4 依存句法分析 76 4.3 自然语言处理的应用 76 4.3.1 机器翻译 76 4.3.2 垃圾邮件分类 77 4.3.3 信息抽取 77 4.3.4 文本情感分析 78 4.3.5 智能问答――聊天机器人 78 4.3.6 个性化推荐 79 4.4 知识图谱及其应用 80 4.4.1 知识图谱的概念 80 4.4.2 知识图谱的应用 81 ☆任务4.1 用户评价情感分析 82 ?任务4.2 用户意图理解 85 单元小结 91 习题4 91 单元5 智能机器人与智能问答 93 5.1 智能机器人基础知识 94 5.1.1 智能机器人技术框架 94 5.1.2 典型案例：“祝融号”火星车 95 5.1.3 智能机器人的定义 96 5.1.4 智能机器人的分类 97 5.2 工业机器人及其应用 99 5.2.1 工业机器人的概念 99 5.2.2 工业机器人的应用 100 5.3 服务机器人及其应用 101 5.3.1 服务机器人的概念 101 5.3.2 服务机器人的应用 102 5.4 无人驾驶汽车 104 5.4.1 无人驾驶汽车的概念 104 5.4.2 无人驾驶汽车的分级 105 ☆任务5.1 智能客服问答系统 106 ?任务5.2 基于文件创建自定义问答技能 110 单元小结 111 习题5 111 单元6 人工智能应用与创新 113 6.1 智能制造领域应用 115 6.1.1 计算机视觉应用 115 6.1.2 设备预测性维护 117 6.2 其他行业应用 118 6.2.1 AI+机器人 118 6.2.2 AI+农业 119 6.2.3 AI+教育 121 6.2.4 AI+金融 122 6.2.5 AI+营销 123 6.3 人工智能与工作岗位 124 6.3.1 机器人取代部分人类工作 124 6.3.2 消失与新增的岗位 126 6.4 专业创新案例 130 6.4.1 AI+无人机应用创新 130 6.4.2 学生创新案例 131 ☆任务6.1 基于EasyDL训练分类模型 133 ?任务6.2 训练自定义深度学习模型 140 单元小结 141 习题6 141 单元7 机器学习与模型训练 143 7.1 机器学习的概念 144 7.1.1 机器学习技术框架 144 7.1.2 典型案例：泰坦尼克号乘客生存预测 145 7.2 机器学习分类 147 7.2.1 有监督学习 148 7.2.2 无监督学习 149 7.2.3 半监督学习 149 7.2.4 迁移学习 149 7.2.5 强化学习 150 7.3 机器学习常用算法 150 7.3.1 线性回归 150 7.3.2 支持向量机 151 7.3.3 决策树 151 7.3.4 K最近邻 152 7.3.5 K均值聚类 152 7.4 机器学习的典型应用 153 ☆任务7.1 训练回归模型 155 ?任务7.2 泰坦尼克号乘客生存预测 157 单元小结 160 习题7 160 单元8 深度学习与模型训练 162 8.1 深度学习的概念 163 8.1.1 深度学习算法框架 163 8.1.2 典型案例：AI绘画 163 8.2 神经网络 165 8.2.1 神经元模型 165 8.2.2 神经网络的发展 165 8.3 深度学习常用术语 167 8.3.1 卷积神经网络的概念 167 8.3.2 卷积神经网络相关术语 167 8.4 生成对抗网络 170 8.4.1 生成对抗网络的基本原理 170 8.4.2 生成对抗网络的应用 171 ☆任务8.1 深度学习模型调参 171 ?任务8.2 手写数字识别 174 单元小结 177 习题8 177 单元9 人工智能法律与伦理 178 9.1 人工智能中的伦理问题 179 9.1.1 隐私泄露问题 179 9.1.2 偏见问题 180 9.2 人工智能中的法律问题 182 9.2.1 人格权的保护 183 9.2.2 侵权责任的认定 183 9.2.3 数据财产的保护 183 9.2.4 知识产权的保护 184 9.2.5 机器人的法律主体地位 185 单元小结 185 习题9 185 单元10 迎宾机器人项目实战 187 10.1 人脸检测 189 10.2 人脸搜索 191 10.3 科大讯飞语音合成 193 10.4 科大讯飞语音识别 196 10.5 公司介绍FAQ问答 198 10.6 员工岗位职责问答 201 10.7 系统集成欢迎问候 205 10.8 系统集成语音问答 208 附录A 授课计划推荐方案 212 附录B 国内首批国家级新一代人工智能开放创新平台功能 214 参考文献 217