编辑推荐
本教材较为系统地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。
内容简介
本书较为全面地介绍了深度学习应用场景下的数据采集、数据处理、数据标注等技术。全书共12个实训项目，包括数据采集概述、网络数据采集、端侧数据采集、数据存储与加载、数据处理概述、图像类数据处理、文本类数据处理、数据标注概述、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等。本书以企业用人需求为导向，以岗位技能和综合素质为核心，通过理论与实战相结合的方式，培养能够根据项目需求，完成数据的采集、标注、处理等工作的人才。
章节目录
版权信息
内容提要
前言
第1篇 数据采集
项目1 了解数据采集
项目描述
知识准备
1.1 大数据
1.2 数据采集
1.3 数据采集的应用行业
项目实施 “石头剪刀布”图像数据采集
1.4 实施思路
1.5 实施步骤
知识拓展
课后实训
项目2 了解网络数据采集
项目描述
知识准备
2.1 网络爬虫的原理及流程
2.2 网页结构：HTML
2.3 第三方库：BeautifulSoup4
项目实施 爬取“石头剪刀布”静态页面数据
2.4 实施思路
2.5 实施步骤
知识拓展
2.6 urllib
2.7 requests
课后实训
项目3 了解端侧数据采集
项目描述
知识准备
3.1 端侧数据采集概述
3.2 数据采集端侧设备
3.3 端侧数据采集方式
3.4 EasyData智能数据服务平台
项目实施 视频抽帧数据采集
3.5 实施思路
3.6 实施步骤
知识拓展
课后实训
项目4 数据存储与加载
项目描述
知识准备
4.1 数据编码
4.2 数据存储格式
4.3 数据加载及存储
项目实施 加载、操作并存储Excel表格文件
4.4 实施思路
4.5 实施步骤
知识拓展
课后实训
第2篇 数据处理
项目5 了解数据处理
项目描述
知识准备
5.1 数据处理工具
5.2 数据处理步骤
5.3 数据处理行业应用
项目实施 EasyData处理文本数据
5.4 实施思路
5.5 实施步骤
知识拓展
课后实训
项目6 图像数据处理
项目描述
知识准备
6.1 图像基础知识
6.2 图像数据处理方法
6.3 Python库介绍
项目实施 “石头剪刀布”图像处理
6.4 实施思路
6.5 实施步骤
知识拓展
6.6 图像水平翻转
6.7 图像垂直翻转
6.8 图像对角翻转
课后实训
项目7 文本数据处理
项目描述
知识准备
7.1 文本数据处理的应用
7.2 文本数据处理方法
项目实施 对话情感倾向分析
7.3 实施思路
7.4 实施步骤
知识拓展
7.5 正态分布图法
7.6 聚类算法
课后实训
第3篇 数据标注
项目8 了解数据标注
项目描述
知识准备
8.1 数据标注的概念
8.2 数据标注的类型
8.3 数据标注的意义
8.4 数据标注在行业中的应用
项目实施 标注“花卉识别”数据集
8.5 实施思路
8.6 实施步骤
知识拓展
8.7 数据标注的难题
8.8 数据标注的角色
课后实训
项目9 图像数据标注
项目描述
知识准备
9.1 常见的图像数据标注工具
9.2 常用的数据标注数据集
9.3 图像数据标注质量标准
9.4 图像数据标注的应用领域
项目实施 标注“垃圾分类”数据集
9.5 实施思路
9.6 实施步骤
知识拓展
课后实训
项目10 文本数据标注
项目描述
知识准备
10.1 文本实体标注
10.2 文本情感分类标注
10.3 文本相似度标注
项目实施 标注“微博文本情感分类”数据集
10.4 实施思路
10.5 实施步骤
知识拓展
课后实训
第4篇 深度学习应用实战
项目11 深度学习图像分类应用实战
项目描述
知识准备
11.1 智能垃圾分类的行业背景
11.2 智能垃圾分类的流程
11.3 智能垃圾分类的应用
项目实施 垃圾分类
11.4 实施思路
11.5 实施步骤
知识拓展
课后实训
项目12 深度学习情感分析应用实战
项目描述
知识准备
12.1 情感分析的行业背景
12.2 智能情感分析的流程
项目实施 情感分析
12.3 实施思路
12.4 实施步骤
知识拓展
课后实训
人工智能应用实战是2022年由人民邮电出版社出版,作者刘艳飞 主编。
得书感谢您对《人工智能应用实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
