人工智能数据服务

本书深入剖析了人工智能时代数据服务的核心技术与应用场景，为读者揭示了数据驱动人工智能发展的奥秘。本书通过设计具体的项目和任务，引导学生在完成任务的过程中，深入掌握人工智能数据服务必要的理论知识和实践技能。全书内容分为5个项目，共17个任务，包括人工智能数据服务概述、数据采集、数据处理、数据标注与质量、数据可视化，内容全面，体系完整，并配套丰富的立体化教学资源。本书对标职业化标准，理论结合实践，通过任务分析和实际操作，使学生在面对挑战时能够积极思考、不断创新，同时强调培养学生的社会责任感和职业道德。

项目1 人工智能数据服务基础 1 任务1.1 认识人工智能数据服务 2 1.1.1 人工智能数据服务概念 2 1.1.2 人工智能数据服务的应用场景 5 1.1.3 人工智能数据服务行业发展历程 8 1.1.4 人工智能数据服务行业发展现状 9 1.1.5 人工智能数据服务行业未来趋势及机遇 12 1.1.6 人工智能数据服务实验环境安装与配置 14 项目2 数据采集 23 任务2.1 网络数据采集 24 2.1.1 网络爬虫的基本原理及基本库的使用 24 2.1.2 网页前端基础 26 2.1.3 构建网络爬虫 27 2.1.4 爬虫的协议与道德、法律 30 2.1.5 网络数据采集实战 32 任务2.2 端侧数据采集 39 2.2.1 了解OpenCV库 40 2.2.2 摄像头操作 42 2.2.3 图像采集与显示 43 2.2.4 端侧数据采集实战 45 任务2.3 数据存储与加载 49 2.3.1 基于Python的txt格式数据存储 49 2.3.2 基于Python的CSV格式数据存储 50 2.3.3 基于Python的Excel格式数据存储 52 2.3.4 基于Python的MongoDB数据库存储 53 2.3.5 数据存储与加载实战 56 项目3 数据处理 62 任务3.1 图像数据处理 63 3.1.1 图像数据处理的定义 63 3.1.2 图像数据处理的应用场景 64 3.1.3 图像数据处理的方法 64 3.1.4 图像数据处理实战 66 任务3.2 文本数据处理 82 3.2.1 文本数据处理的定义 83 3.2.2 文本数据处理的应用场景 83 3.2.3 文本数据处理的方法 83 3.2.4 文本数据处理实战 87 任务3.3 数据清洗 96 3.3.1 数据清洗的定义 97 3.3.2 数据清洗的应用场景 97 3.3.3 数据清洗的步骤和方法 98 3.3.4 数据清洗实战 101 任务3.4 数据增广 107 3.4.1 数据增广的定义 108 3.4.2 数据增广的应用场景 108 3.4.3 数据增广的方法 108 3.4.4 图像数据增广 111 3.4.5 文本数据增广 115 任务3.5 特征工程 120 3.5.1 特征工程的定义 121 3.5.2 特征工程的应用场景 121 3.5.3 特征提取 122 3.5.4 特征转换 123 3.5.5 特征选择 123 3.5.6 特征工程实战 124 项目4 数据标注与质量 140 任务4.1 认识数据标注工具和方法 141 4.1.1 数据标注定义 142 4.1.2 数据标注对象 142 4.1.3 数据标注流程 143 4.1.4 数据标注工具 144 4.1.5 数据标注方法 146 4.1.6 Label Studio标注平台环境搭建 147 任务4.2 工业芯片缺陷图像数据标注 150 4.2.1 图像数据标注定义 151 4.2.2 图像数据标注应用场景 151 4.2.3 图像数据标注方法 152 4.2.4 图像数据标注质量控制 155 4.2.5 图像数据标注实战 158 任务4.3 交通视频数据标注 168 4.3.1 视频目标跟踪标注定义 169 4.3.2 视频目标跟踪标注应用场景 170 4.3.3 视频目标跟踪标注类型 172 4.3.4 视频目标跟踪标注规则 173 4.3.5 视频数据标注实战 174 任务4.4 中文语音数据标注 183 4.4.1 语音识别定义 184 4.4.2 语音识别标注应用场景 185 4.4.3 中文语音识别标注方法 186 4.4.4 语音数据标注实战 189 任务4.5 情绪分析文本数据标注 196 4.5.1 文本情绪识别定义 197 4.5.2 文本情绪识别标注应用场景 197 4.5.3 文本情绪识别标注方法 199 4.5.4 文本数据标注实战 202 项目5 数据可视化 209 任务5.1 Matplotlib数据可视化 210 5.1.1 需求分析 211 5.1.2 数据处理 211 5.1.3 可视化设计 212 5.1.4 方案实施与优化 215 5.1.5 Matplotlib绘图库简介 216 5.1.6 Matplotlib数据可视化实战 218 任务5.2 Seaborn数据可视化 229 5.2.1 Seaborn基础简介 230 5.2.2 高级绘图功能 232 5.2.3 自定义与样式调整 233 5.2.4 Seaborn数据可视化实战 235 任务5.3 Pyecharts数据可视化 247 5.3.1 Pyecharts基础简介 248 5.3.2 Pyecharts亮点 250 5.3.3 Pyecharts功能介绍 251 5.3.4 Pyecharts高级功能 252 5.3.5 Pyecharts数据可视化实战 254