系列书名：人工智能与大数据专业群人才培养系列教材
赖小平 主编
I S B N ： 978-7-121-48649-4
出版日期：2024-08
出 版 社： 电子工业出版社
定 价：39.80元
书籍介绍
本书主要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。同时，本书还以“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。
本书内容丰富，叙述简明易懂，适合高职、技师、应用型本科的学生使用。本书旨在为读者提供一个关于人工智能领域的综合性介绍，无论是计算机相关专业的学生，还是对人工智能感兴趣的跨学科专业人士，本书都将作为一个坚实的起点。作者将复杂的理论和技术问题以易于理解的方式呈现，同时保持学术严谨性，确保内容的深度和广度。探索人工智能的奥秘，由广东交通职业技术学院、陕西职业技术学院、广东机电职业技术学院三所高校的人工智能专业权威专家联合编撰。书中还汇集了来自金山、抖音等头部AI厂商，以及广东职教桥、荔峰科技等AI服务解决方案供应商的前沿知识和案例分析，为您带来全面深入的行业洞见。
在编写本书的过程中，作者遵循以下五大原则：
一、广泛覆盖
本书涵盖了人工智能的主要领域，包括发展、理论基础、算法、技术、伦理和社会影响等，为读者提供了一个全面的人工智能知识框架。本书将引领着每一位读者走进人工智能的奇妙世界，搭建起一个既全面又清晰的知识框架，让每个人都能轻松上手，深入了解这一改变未来的科技力量。
二、理论与实践相结合
本书不仅介绍了人工智能的理论知识，还深入浅出地阐述了人工智能的复杂理论，更巧妙地通过一系列生动的案例研究与贴近生活的实际应用，将那些看似遥不可及的理论转化为触手可及的技术展示。让读者的学习过程变得既有趣又高效，真正实现了“通俗易懂”的初衷。
三、通俗易懂
人工智能是一个高度专业化的领域，编者却巧妙地将其化繁为简，力求让内容通俗易懂。无论读者是技术小白还是跨界探索者，都能在这本书中找到适合自己的学习路径，轻松理解并掌握人工智能的精髓，让知识吸收变得既顺畅又愉快。
四、前沿性
人工智能是一个快速发展的领域，本书的编写紧跟时代步伐，力求展现最新的研究成果与发展动态，以便读者能够窥见这个领域的最前沿，掌握那些正在塑造未来的知识与技术。通过通俗易懂的方式，本书让复杂的科技进展变得触手可及，让每一位读者都能站在时代的浪尖，感受人工智能带来的无限可能。
五、启发性
在本书中，编者鼓励读者不仅要学习现有的知识，还要培养具有AI时代特有的创新思维和解决问题的能力，以应对未来在人工智能浪潮席卷的时代，人类社会将经历深刻的技术变革。本书不仅是知识的宝库，更是启迪智慧的灯塔。让我们一同在学习的道路上，不断挑战自我，以灵活的思维和坚定的信念，共同开创人工智能的新篇章。
本书适合作为高职及应用型本科课程的教材，也可以作为对人工智能感兴趣的自学者的学习指南。为了帮助读者更好地理解和应用书中的概念，我们在每章的末尾都提供了习题。作为教学用书使用时，参考学时为32学时，学时分配表如下表所示。
目录
第1章 人工智能概述 1
1.1 人工智能简介 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的分类 2
1.1.3 人工智能的起源和发展 3
1.1.4 人工智能的应用领域 7
1.2 人工智能技术领域 9
1.2.1 人工智能四要素 10
1.2.2 人工智能技术框架 11
1.2.3 人工智能技术的发展趋势 13
1.3 人工智能的意义及挑战 14
1.3.1 发展人工智能的战略意义 15
1.3.2 人工智能的挑战 16
1.4 人工智能初体验 17
1.4.1 百度EasyDL介绍 17
1.4.2 百度EasyDL应用——猫狗分类 18
1.5 本章总结 31
本章习题 31
第2章 机器学习 33
2.1 机器学习简介 33
2.1.1 机器学习的定义 34
2.1.2 机器学习的发展历程 35
2.1.3 机器学习的应用领域 38
2.2 机器学习进阶 40
2.2.1 机器学习的分类 40
2.2.2 机器学习的基本术语 44
2.2.3 机器学习的流程 47
2.2.4 机器学习的常用算法 48
2.3 深度学习与神经网络 56
2.3.1 深度学习 56
2.3.2 神经网络 59
2.4 机器学习的应用体验 63
2.4.1 线性回归——预测工资 63
2.4.2 逻辑回归——预测期末考试成绩能否及格 65
2.5 本章总结 67
本章习题 68
第3章 计算机视觉 70
3.1 计算机视觉简介 70
3.1.1 计算机视觉的发展历程 70
3.1.2 计算机视觉的实现原理 72
3.1.3 计算机视觉的典型应用 74
3.2 基于深度学习的视觉技术 75
3.2.1 图像分类 75
3.2.2 目标检测 77
3.2.3 图像分割 80
3.2.4 轨迹跟踪 81
3.3 OpenCV的基础 84
3.3.1 OpenCV的安装 85
3.3.2 OpenCV的图像处理 86
3.3.3 OpenCV的视频处理 88
3.4 计算机视觉的应用体验 90
3.4.1 基于OpenCV的人脸识别 90
3.4.2 基于百度EasyDL OCR平台的车牌识别 95
3.5 本章总结 108
本章习题 108
第4章 智能语音 109
4.1 智能语音简介 109
4.2 语音识别 110
4.2.1 语音识别的分类 110
4.2.2 语音识别的发展历程 111
4.2.3 语音识别系统的构成 114
4.2.4 语音识别预处理技术 115
4.2.5 传统的语音识别算法 117
4.2.6 基于神经网络的语音识别算法 119
4.3 语音合成 121
4.3.1 语音合成的分类 121
4.3.2 语音合成的发展历程 123
4.3.3 语音合成系统的构成 126
4.3.4 语音合成的典型方法 126
4.4 智能语音的应用体验 130
4.4.1 文本转换为语音 130
4.4.2 文本转换为语音文件 132
4.5 本章总结 134
本章习题 135
第5章 自然语言处理与AIGC 137
5.1 自然语言处理简介 137
5.1.1 自然语言处理的定义 137
5.1.2 自然语言处理的发展历程 138
5.1.3 自然语言处理的基本任务 139
5.1.4 自然语言处理的流程 147
5.1.5 自然语言处理的应用领域 147
5.2 AIGC简介 150
5.2.1 AIGC的定义 150
5.2.2 AIGC的奥秘 151
5.2.3 AIGC产业生态体系 153
5.2.4 AIGC的典型应用 154
5.3 国内外主流的AI大模型 155
5.3.1 OpenAI的GPT大模型 156
5.3.2 百度的文心大模型 157
5.3.3 科大讯飞的讯飞星火认知大模型 158
5.3.4 阿里云的通义大模型 159
5.4 AIGC的伦理与安全 159
5.4.1 AIGC的社会影响 159
5.4.2 AIGC的伦理与安全问题 160
5.5 AIGC的体验 163
5.5.1 推文的编写 163
5.5.2 AI作画 165
5.6 本章总结 169
本章习题 170
第6章 人工智能应用开发环境及工具 172
6.1 开发环境 172
6.1.1 PyCharm 172
6.1.2 Anaconda 174
6.1.3 Python第三方库的安装 177
6.2 常用开发工具 179
6.2.1 数据采集工具——八爪鱼 179
6.2.2 数据分析和共享工具——Power BI 181
6.2.3 页面设计工具——Qt Designer 183
6.2.4 数据标注工具——LabelImg 187
6.2.5 数据清理工具——OpenRefine 189
6.3 开发工具体验 190
6.3.1 天气预报 190
6.3.2 某购物平台数据采集与分析 195
6.4 本章总结 197
本章习题 198