本书讲解了计算机基础知识、WindowsXP操作系统、文字处理软件Word2003、电子表格Excel2003等内容。
电子书
内容简介
本书介绍了人工智能的基础知识和实用技术。包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：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”“个性化推荐：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”八章内容。
章节目录
- 第 ❶ 章 人工智能：开启智慧新时代
- 1.1 人工智能的缘起
- 1.1.1 什么是人工智能
- 1.1.2 人工智能的发展历程
- 1.1.3 人工智能的特征及典型应用
- 1.2 机器学习与深度学习
- 1.2.1 机器学习的含义
- 1.2.2 深度学习的崛起
- 1.2.3 神经网络的魅力
- 1.3 案例——小试牛刀：识别图像中的动物
- 1.3.1 提出问题
- 1.3.2 解决方案
- 1.3.3 预备知识
- 1.3.4 任务1——准备一个动物图像
- 1.3.5 任务2——智能获取动物信息
- 本章小结
- 课后习题
- 第 ❷ 章 Python：人工智能开发语言
- 2.1 初识Python
- 2.1.1 Python 简介
- 2.1.2 Python 的特点及应用领域
- 2.2 Python 开发环境搭建
- 2.2.1 安装Python
- 2.2.2 安装Jupyter Notebook
- 2.2.3 浅尝Python
- 2.3 Python 编程基础
- 2.3.1 变量
- 2.3.2 分支结构
- 2.3.3 循环结构
- 2.3.4 组合数据类型
- 2.4 NumPy 基础应用
- 2.4.1 求解三元一次方程
- 2.4.2 数组计算
- 2.4.3 向量化处理
- 2.5 Matplotlib 基础应用
- 2.5.1 绘制直方图
- 2.5.2 绘制散点图
- 2.6 案例1——求解一元二次方程
- 2.6.1 提出问题
- 2.6.2 解决方案
- 2.6.3 预备知识
- 2.6.4 任务1——从键盘输入方程的系数
- 2.6.5 任务2——调用roots 函数求解方程
- 2.7 案例2——用折线图解读第二产业的GDP 发展趋势
- 2.7.1 提出问题
- 2.7.2 解决方案
- 2.7.3 预备知识
- 2.7.4 任务1——读取GDP 数据并观察数据结构
- 2.7.5 任务2——绘制GDP 数据的折线图
- 本章小结
- 课后习题
- 第 ❸ 章 线性回归：预测未来趋势
- 3.1 认识机器学习
- 3.1.1 机器如何学习
- 3.1.2 机器学习算法
- 3.2 认识线性回归
- 3.2.1 线性回归的数学表达式
- 3.2.2 线性回归的几个概念
- 3.2.3 梯度下降法
- 3.3 案例1——预测房屋价格
- 3.3.1 提出问题
- 3.3.2 解决方案
- 3.3.3 预备知识
- 3.3.4 任务1——可视化房屋数据
- 3.3.5 任务2——线性回归模型的训练
- 3.3.6 任务3——模型的测试及评估
- 3.4 案例2——预测投保人医疗费用
- 3.4.1 提出问题
- 3.4.2 解决方案
- 3.4.3 预备知识
- 3.4.4 任务1——加载数据并进行数据预处理
- 3.4.5 任务2——训练和测试医疗费用预测模型
- 3.4.6 任务3——进一步改善模型性能
- 本章小结
- 课后习题
- 第 ❹ 章 分门别类：帮你“分而治之”
- 4.1 分类器
- 4.1.1 什么是分类器
- 4.1.2 分类器如何工作
- 4.2 几种主要的分类器
- 4.2.1 决策树
- 4.2.2 贝叶斯分类器
- 4.2.3 k 近邻分类器
- 4.2.4 支持向量机
- 4.2.5 神经网络
- 4.3 案例1——手写数字识别
- 4.3.1 提出问题
- 4.3.2 解决方案
- 4.3.3 预备知识
- 4.3.4 任务1——数字图像信息转存为TXT 文件
- 4.3.5 任务2——批量生成样本数据
- 4.3.6 任务3——构建KNN 模型
- 4.3.7 任务4——训练KNN 模型
- 4.3.8 任务5——评估模型效果
- 4.3.9 拓展任务
- 4.4 案例2——辅助诊断乳腺癌
- 4.4.1 提出问题
- 4.4.2 解决方案
- 4.4.3 预备知识
- 4.4.4 任务1——准备训练集和测试集
- 4.4.5 任务2——构建和训练模型
- 4.4.6 任务3——评估模型诊断效果
- 4.4.7 拓展任务
- 本章小结
- 课后习题
- 第 ❺ 章 物以类聚：发现新簇群
- 5.1 聚类分析
- 5.1.1 何为聚类分析
- 5.1.2 常见聚类方法
- 5.1.3 聚类性能度量
- 5.2 k 均值聚类
- 5.2.1 k 均值算法流程
- 5.2.2 k 均值算法应用提示
- 5.3 案例1——探究鸢尾花品种
- 5.3.1 提出问题
- 5.3.2 解决方案
- 5.3.3 预备知识
- 5.3.4 任务1——确定鸢尾花最佳的品种数k 值
- 5.3.5 任务2——绘制鸢尾花聚类后的结果散点图
- 5.4 案例2——电商客户分类
- 5.4.1 提出问题
- 5.4.2 解决方案
- 5.4.3 预备知识
- 5.4.4 任务1——选择最佳的客户群分数目k
- 5.4.5 任务2——计算3 类客户的RFM 均值
- 5.4.6 任务3——为3 类客户提出营销建议
- 本章小结
- 课后习题
- 第 ❻ 章 个性化推荐：主动满足你的需求
- 6.1 认识个性化推荐
- 6.1.1 个性化推荐的思路
- 6.1.2 推荐算法分类
- 6.1.3 推荐效果评估
- 6.2 案例1——推荐你喜爱的电影
- 6.2.1 提出问题
- 6.2.2 解决方案
- 6.2.3 预备知识
- 6.2.4 任务1——合并电影基本信息和评分记录
- 6.2.5 任务2——找到与某个用户最相似的n 个用户
- 6.2.6 任务3——给某个用户推荐前m 部电影
- 6.3 案例2——推荐你要一起购买的商品
- 6.3.1 提出问题
- 6.3.2 解决方案
- 6.3.3 预备知识
- 6.3.4 任务1——将CSV 文件数据转换为事务型数据
- 6.3.5 任务2——找出购物清单中频繁被购买的商品
- 6.3.6 任务3——提取有用的销售关联规则
- 本章小结
- 课后习题
- 第 ❼ 章 语音识别：让机器对你言听计从
- 7.1 语音识别
- 7.1.1 语音识别简史
- 7.1.2 语音识别过程
- 7.2 深度神经网络
- 7.2.1 深度神经网络基础
- 7.2.2 卷积神经网络
- 7.3 案例1——利用CNN 识别英文语音数字
- 7.3.1 提出问题
- 7.3.2 解决方案
- 7.3.3 预备知识
- 7.3.4 任务1——提取音频文件的语音特征数据
- 7.3.5 任务2——构建语音数字识别神经网络模型
- 7.3.6 任务3——利用训练好的模型来识别语音
- 7.4 案例2——自制一个简单的实时语音识别系统
- 7.4.1 提出问题
- 7.4.2 解决方案
- 7.4.3 预备知识
- 7.4.4 任务1——准备音频文件和标签文件
- 7.4.5 任务2——利用EasyDL 训练实时语音识别模型
- 7.4.6 任务3——调用模型进行实时语音识别
- 本章小结
- 课后习题
- 第 ❽ 章 人脸识别：机器也认识你
- 8.1 人脸识别基础
- 8.1.1 人脸识别技术发展简史
- 8.1.2 人脸识别系统
- 8.1.3 人脸识别关键技术
- 8.2 认识OpenCV
- 8.2.1 OpenCV 的框架结构
- 8.2.2 OpenCV 中的人脸分类器
- 8.3 案例1——照片智能搜索
- 8.3.1 提出问题
- 8.3.2 解决方案
- 8.3.3 预备知识
- 8.3.4 任务1——训练人脸识别模型
- 8.3.5 任务2——利用训练好的模型来识别照片
- 8.4 案例2——口罩检测赋能卫生防护
- 8.4.1 提出问题
- 8.4.2 解决方案
- 8.4.3 预备知识
- 8.4.4 任务1——加载人脸口罩检测与识别预训练模型
- 8.4.5 任务2——检测视频中的人脸是否佩戴口罩
- 本章小结
- 课后习题
- 参考文献
展开全部
人工智能基础与应用是2021年由人民邮电出版社出版,作者主编。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《人工智能基础与应用》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。
电子书
电子书
本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。
电子书
本书概述了物联网、测绘技术、BIM技术、5G技术、移动互联网技术、大数据技术、人工智能技术与区块链技术等前沿技术的特点，讨论了各类技术在智慧园区建设方面的潜在应用价值；与此同时，还搜集和梳理了大量国内外智慧园区案例，涵盖园区建设、运营管理、智能化设施、智慧服务、园区大脑等丰富的业务场景，既展示了数字化技术在助力园区智慧化方面所能发挥的巨大价值，也探讨了相关技术在落地应用过程中可能面临的各类挑战。
电子书
《区块链技术与智能服务应用》系统介绍了区块链以及智能服务的有关概念和原理，以及基于区块链智能合约的服务推荐、协同、优化以及负载均衡等技术。《区块链技术与智能服务应用》分为七章，内容涵盖：传统服务到智能化服务的演化，区块链基本概念、智能服务与区块链结合的框架与理论基础，面向冷启动问题的区块链智能服务跨域推荐，基于语义和基于QoS的智能服务组合；基于SaaS的智能服务平台负载均衡，基于分片和状态通的智
电子书
本书内容涉及摄影学、计算机视觉、深度学习3个领域，系统地介绍了计算机视觉在图像质量和摄影学各个领域的核心算法和应用，包括传统的图像处理算法和深度学习核心算法。本书理论知识体系完备，同时提供大量实例，供读者实战演练。本书融合摄影学和计算机视觉的内容，覆盖面非常广。第1章简单介绍摄影的历史、摄影与图像的基本概念和摄影中的许多基本技巧。从第2章开始，本书对摄影学中图像处理算法的各个重要方向进行介绍，包括
电子书
大数据时代为机器学习的应用提供了广阔的空间，各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开，着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发，介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时，书中不但阐述基本原理，而且讨论模型的评价与选择。为方便读者学习各种算法，本书介绍了R语言中相应的软件包
电子书
本书是一本深度学习的基础入门读物，对深度学习的基本理论进行了介绍，主要以Ubuntu系统为例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分别在3个框架下，通过3个实战项目掌握了框架的使用方法，并详细描述了生产流程，最后讲述了通过集群部署深度学习的项目以及如何进行运营维护的注意事项。本书适合对深度学习有浓厚兴趣的读者、希望用深度学习完成设计的计算机专业或电子信息专业的高校
电子书
本书介绍了深度学习的基本概念、算法原理以及实现框架。全书共9章，分别介绍了深度学习的发展历史、神经网络与深度神经网络、卷积神经网络、循环神经网络、深度学习在目标检测和图像描述中的应用、生成对抗网络、深度迁移学习和深度强化学习等，并提供了应用实例。
