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
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
电子书
本书介绍了自然语言处理的原理与Java编程语言的技术实现，主要包括多种语言的文本处理、分布式算法与代码实现、自然语言处理相关系统构建等内容。
电子书
本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习等几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书还用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能密切相关的前沿技术。
