内容简介
本书主要介绍了人工智能的基础知识和实用技术。本书共8章括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线回归：预测未来趋势”“分门别类：帮你'分而治之'”“物以类聚：发现新簇群”“：主动满足你的需求”“语音识别：让机器对你言听计从”“人脸识别：机器也认识你”。 本书以培养学生人工智能素养、人工智能思维和人工智能基本应用能力为设计理念，在内容的选取和安排上符合学生的学情特点，以问题为导向、以案例为载体、以任务为目标来构建教学内容，兼顾了人工智能的基础、通识、典型和实用。 本书侧重于介绍人工智能通识知识和实用应用技能，可作为高职高专及中职院校人工智能公共基础课程的教材，也可作为电子信息、计算机类相关专业人工智能课程的入门教材。此外，本书还可供广大读者作为人工智能学践的参考书使用。
目录
第 1章 人工智能：开启智慧新时代 11.1 人工智能的缘起 11.1.1 什么是人工智能 11.1.2 人工智能的发展历程 21.1.3 人工智能的特征及典型应用 61.2 机器学度学111.2.1 机器学义 111.2.2 深度学起 121.2.3 神经网络的魅力 141.3 案例——小试牛刀：识别图像中的动物 151.3.1 提出问题 151.3.2 解决方案 151.3.3 预备知识 151.3.4 任务1——准备一个动物图像 161.3.5 任务2——智能获取动物信息 16本章小结 18课后 18第 2章 Python：人工智能开发语言 202.1 初识Python 202.1.1 Python简介 202.1.2 Python的特点及应用领域 212.2 Python开发环境搭建 222.2.1 安装Python 222.2.2 安装Jupyter Notebook 242.2.3 浅尝Python 252.3 Python编程基础 272.3.1 变量 272.3.2 分支结构 272.3.3 循环结构 292.3.4 组合数据类型 312.4 NumPy基础应用 332.4.1 求解三元一次方程 332.4.2 数组计算 352.4.3 向量化处理 362.5 Matplotlib基础应用 382.5.1 绘制直方图 382.5.2 绘制散点图 392.6 案例1——求解一元二次方程 412.6.1 提出问题 412.6.2 解决方案 412.6.3 预备知识 412.6.4 任务1——从键盘输入方程的系数 412.6.5 任务2——调用roots函数求解方程 422.7 案例2——用折线图解读产业的GDP发展趋势 422.7.1 提出问题 422.7.2 解决方案 432.7.3 预备知识 432.7.4 任务1——读取GDP数据并观察数据结构 432.7.5 任务2——绘制GDP数据的折线图 44本章小结 45课后 45第3章 线回归：预测未来趋势 473.1 认识机器学473.1.1 机器如何学473.1.2 机器学 483.2 认识线回归 503.2.1 线回归的数学表达式 503.2.2 线回归的几个概念 503.2.3 梯度下降法 523.3 案例1——预测房屋价格 533.3.1 提出问题 533.3.2 解决方案 533.3.3 预备知识 543.3.4 任务1——可视化房屋数据 553.3.5 任务2——线回归模型的训练 563.3.6 任务3——模型的测试及评估 583.4 案例2——预测投保人费用 603.4.1 提出问题 603.4.2 解决方案 613.4.3 预备知识 613.4.4 任务1——加载数据行数据预处理 633.4.5 任务2——训练和测试费用预测模型 643.4.6 任务3—一步改善模型能 66本章小结 68课后 69第4章 分门别类：帮你“分而治之” 704.1 分类器 704.1.1 什么是分类器 704.1.2 分类器如何工作 714.2 几种主要的分类器 714.2.1 决策树 714.2.2 贝叶斯分类器 724.2.3 邻分类器 734.2.4 支持向量机 744.2.5 神经网络 744.3 案例1——手写数字识别 754.3.1 提出问题 754.3.2 解决方案 754.3.3 预备知识 754.3.4 任务1——数字图像信息转存为TXT文件 784.3.5 任务2——批量生成样本数据 804.3.6 任务3——构建KNN模型 814.3.7 任务4——训练KNN模型 814.3.8 任务5——评估模型效果 824.3.9 拓展任务 844.4 案例2——辅助诊断乳腺癌 864.4.1 提出问题 864.4.2 解决方案 864.4.3 预备知识 874.4.4 任务1——准备训练集和测试集 894.4.5 任务2——构建和训练模型 904.4.6 任务3——评估模型诊断效果 904.4.7 拓展任务 92本章小结 93课后 93第5章 物以类聚：发现新簇群 955.1 聚类分析 955.1.1 何为聚类分析 955.1.2 常见聚类方法 965.1.3 聚类能度量 975.2 k均值聚类 985.2.1 k均值算法流程 985.2.2 k均值算法应用提示 995.3 案例1——探究鸢尾花品种 1005.3.1 提出问题 1005.3.2 解决方案 1005.3.3 预备知识 1015.3.4 任务1——确定鸢尾花佳的品种数k值 1035.3.5 任务2——绘制鸢尾花聚类后的结果散点图 1045.4 案例2——电商客户分类 1065.4.1 提出问题 1065.4.2 解决方案 1065.4.3 预备知识 1075.4.4 任务1——选择佳的客户群分数目k 1095.4.5 任务2——计算3类客户的RFM均值 1115.4.6 任务3——为3类客户提出营销建议 113本章小结 114课后 115第6章 ：主动满足你的需求 1176.1 认识 1176.1.1 的思路 1176.1.算法分类 1196.1.效果评估 1266.2 案例你喜爱的电影 1286.2.1 提出问题 1286.2.2 解决方案 1296.2.3 预备知识 1296.2.4 任务1——合并电影基本信息和评分记录 1316.2.5 任务2——找到与某个用户相似的n个用户 1326.2.6 任务3——给某前m部电影 1346.3 案例你要一起购买的商品 1356.3.1 提出问题 1356.3.2 解决方案 1356.3.3 预备知识 1366.3.4 任务1——将CSV文件数据转换为事务型数据 1396.3.5 任务2——找出购物清单中频繁被购买的商品 1406.3.6 任务3——提取有用的销售关联规则 142本章小结 143课后 144第7章 语音识别：让机器对你言听计从 1457.1 语音识别 1457.1.1 语音识别简史 1457.1.2 语音识别过程 1467.2 深度神经网络 1507.2.1 深度神经网络基础 1507.2.2 卷积神经网络 1517.3 案例1——利用N识别英文语音数字 1547.3.1 提出问题 1547.3.2 解决方案 1547.3.3 预备知识 1557.3.4 任务1——提取音频文件的语音特征数据 1607.3.5 任务2——构建语音数字识别神经网络模型 1627.3.6 任务3——利用训练好的模型来识别语音 1647.4 案例2——自制一个简单的实时语音识别系统 1657.4.1 提出问题 1657.4.2 解决方案 1667.4.3 预备知识 1667.4.4 任务1——准备音频文件和标签文件 1677.4.5 任务2——利用EasyDL训练实时语音识别模型 1687.4.6 任务3——调用模行实时语音识别 171本章小结 176课后 176第8章 人脸识别：机器也认识你 1788.1 人脸识别基础 1788.1.1 人脸识别技术发展简史 1788.1.2 人脸识别系统 1798.1.3 人脸识别关键技术 1818.2 认识OpenCV 1838.2.1 OpenCV的框架结构 1838.2.2 OpenCV中的人脸分类器 1848.3 案例1——照片智能搜索 1868.3.1 提出问题 1868.3.2 解决方案 1868.3.3 预备知识 1878.3.4 任务1——训练人脸识别模型 1918.3.5 任务2——利用训练好的模型来识别照片 1928.4 案例2——口罩检测赋能卫生防护 1938.4.1 提出问题 1938.4.2 解决方案 1948.4.3 预备知识 1948.4.4 任务1——加载人脸口罩检测与识别预训练模型 1988.4.5 任务2——检测中的人脸是否佩戴口罩 199本章小结 200课后 201参考文献 203
