- 人工智能技术导论(人工智能与大数据专业群人才培养系列教材)
- - 作者：编者:赖小平|责编:李静
  - 出版社：电子工业
  - ISBN：9787121486494
  - 出版日期：2024/08/01
  - 页数：199
- 售价：15.92

内容大纲
    本书将围绕人工智能职业标准展开，秉持“以学生为中心-职业标准融入-思政教育融入”的编写理念，通过项目案例激发学生的学习兴趣。
    本书结合人工智能学科的已有成果及编者的教学实践，以全面、基础、典型、新颖为原则，系统地介绍人工智能的技术基础，包括机器学习、计算机视觉、智能语音、自然语言处理、AIGC等热点及前沿问题。本书以“概述+案例”的模式编写，使教材内容泛而不空，使读者了解和学习人工智能的基础知识和初步技能，建立利用科学方法解决问题的创新思维，以适应教学需求。
    本书概念清晰，结构合理，叙述简明易懂，适合高职、技师、应用型本科的学生使用。
作者介绍
目录
第1章  人工智能概述
  1.1  人工智能简介
    1.1.1  人工智能的定义
    1.1.2  人工智能的分类
    1.1.3  人工智能的起源和发展
    1.1.4  人工智能的应用领域
  1.2  人工智能技术领域
    1.2.1  人工智能四要素
    1.2.2  人工智能技术框架
    1.2.3  人工智能技术的发展趋势
  1.3  人工智能的意义及挑战
    1.3.1  发展人工智能的战略意义
    1.3.2  人工智能的挑战
  1.4  人工智能初体验
    1.4.1  百度EasyDL介绍
    1.4.2  百度EasyDL应用——猫狗分类
  1.5  本章总结
  本章习题
第2章  机器学习
  2.1  机器学习简介
    2.1.1  机器学习的定义
    2.1.2  机器学习的发展历程
    2.1.3  机器学习的应用领域
  2.2  机器学习进阶
    2.2.1  机器学习的分类
    2.2.2  机器学习的基本术语
    2.2.3  机器学习的流程
    2.2.4  机器学习的常用算法
  2.3  深度学习与神经网络
    2.3.1  深度学习
    2.3.2  神经网络
  2.4  机器学习的应用体验
    2.4.1  线性回归——预测工资
    2.4.2  逻辑回归——预测期末考试成绩能否及格
  2.5  本章总结
  本章习题
第3章  计算机视觉
  3.1  计算机视觉简介
    3.1.1  计算机视觉的发展历程
    3.1.2  计算机视觉的实现原理
    3.1.3  计算机视觉的典型应用
  3.2  基于深度学习的视觉技术
    3.2.1  图像分类
    3.2.2  目标检测
    3.2.3  图像分割
    3.2.4  轨迹跟踪
  3.3  OpenCV的基础
    3.3.1  OpenCV的安装
    3.3.2  OpenCV的图像处理
    3.3.3  OpenCV的视频处理

  3.4  计算机视觉的应用体验
    3.4.1  基于OpenCV的人脸识别
    3.4.2  基于百度EasyDL OCR平台的车牌识别
  3.5  本章总结
  本章习题
第4章  智能语音
  4.1  智能语音简介
  4.2  语音识别
    4.2.1  语音识别的分类
    4.2.2  语音识别的发展历程
    4.2.3  语音识别系统的构成
    4.2.4  语音识别预处理技术
    4.2.5  传统的语音识别算法
    4.2.6  基于神经网络的语音识别算法
  4.3  语音合成
    4.3.1  语音合成的分类
    4.3.2  语音合成的发展历程
    4.3.3  语音合成系统的构成
    4.3.4  语音合成的典型方法
  4.4  智能语音的应用体验
    4.4.1  文本转换为语音
    4.4.2  文本转换为语音文件
  4.5  本章总结
  本章习题
第5章  自然语言处理与AIGC
  5.1  自然语言处理简介
    5.1.1  自然语言处理的定义
    5.1.2  自然语言处理的发展历程
    5.1.3  自然语言处理的基本任务
    5.1.4  自然语言处理的流程
    5.1.5  自然语言处理的应用领域
  5.2  AIGC简介
    5.2.1  AIGC的定义
    5.2.2  AIGC的奥秘
    5.2.3  AIGC产业生态体系
    5.2.4  AIGC的典型应用
  5.3  国内外主流的AI大模型
    5.3.1  OpenAI的GPT大模型
    5.3.2  百度的文心大模型
    5.3.3  科大讯飞的讯飞星火认知大模型
    5.3.4  阿里云的通义大模型
  5.4  AIGC的伦理与安全
    5.4.1  AIGC的社会影响
    5.4.2  AIGC的伦理与安全问题
  5.5  AIGC的体验
    5.5.1  推文的编写
    5.5.2  AI作画
  5.6  本章总结
  本章习题
第6章  人工智能应用开发环境及工具

  6.1  开发环境
    6.1.1  PyCharm
    6.1.2  Anaconda
    6.1.3  Python第三方库的安装
  6.2  常用开发工具
    6.2.1  数据采集工具——八爪鱼
    6.2.2  数据分析和共享工具——Power BI
    6.2.3  页面设计工具——Qt Designer
    6.2.4  数据标注工具——LabelImg
    6.2.5  数据清理工具——OpenRefine
  6.3  开发工具体验
    6.3.1  天气预报
    6.3.2  某购物平台数据采集与分析
  6.4  本章总结
  本章习题

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目