人工智能应用基础

　　本书首先从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识，并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更好的了解人工智能技术的发展和我们生活的关切度。最后对人工智能的未来进行了展望，提出人工智能背景时代下大学生就业和创业前景和机遇，帮助大学生应对人工智能背景下的职业规划。形成一个融理论教学、科学训练、创新实践为一体的过程化的人工智能课程体系和协同培养机制，使所培养的人才在基础知识、专业知识、实践能力、创新能力、伦理道德以及科学与职业素质等方面得到全面均衡的发展。

　　毕业于桂林电子科技大学物流工程专业，硕士学位，副教授。曾任北京航空航天大学北海学院教务处长，广西高等学校实验室工作研究会副理事长，现担任科大讯飞股份公司院校合作执行院长。主持参与10多项省、市厅级教学改革与科研课题研究，国内外知名期刊发表学术论文20余篇，获得全国大学生大学英语等级考试、计算机等级考试优秀工作者，曾指导学生获得互联网+大赛广西区银奖和挑战者杯金奖，拥有丰富的教学运行管理经验。

目 录 

第1 章 初识人工智能 ................................................................................... 1 

1.1 无处不在的人工智能 .................................................................................................... 1 

1.1.1 科幻片中描绘的人工智能 ................................................................................. 1 

1.1.2 人工智能的发展现状 ......................................................................................... 4 

1.2 人工智能追根溯源 ...................................................................................................... 16 

1.2.1 人工智能的由来 ............................................................................................... 16 

1.2.2 人工智能的基本概念 ....................................................................................... 17 

1.2.3 人工智能的发展历程 ....................................................................................... 20 

1.3 人工智能云应用场景 .................................................................................................. 23 

1.3.1 什么是人工智能云服务 ................................................................................... 23 

1.3.2 为什么人工智能需要迁移到云端 ................................................................... 24 

1.3.3 人工智能云服务的类型 ................................................................................... 24 

1.3.4 体验人工智能云应用 ....................................................................................... 24 

1.4 未来发展趋势 .............................................................................................................. 27 

本章小结 ....................................................................................................................... 29 

第2 章 机器学习 ........................................................................................ 32 

2.1 认识机器学习 .............................................................................................................. 33 

2.1.1 机器学习的定义 ............................................................................................... 33 

2.1.2 机器学习算法的分类 ....................................................................................... 35 

2.1.3 机器学习发展历程 ........................................................................................... 38 

2.1.4 机器学习的技术原理 ....................................................................................... 39 

2.2 机器学习常用算法 ...................................................................................................... 42 

2.2.1 线性回归 ........................................................................................................... 42 

2.2.2 支持向量机 ....................................................................................................... 44 

2.2.3 决策树 ............................................................................................................... 45 

2.2.4 K-近邻算法 ....................................................................................................... 46 

2.2.5 朴素贝叶斯算法 ............................................................................................... 47 

2.2.6 K 均值聚类算法 ............................................................................................... 48 

2.3 监督学习案例：计算机学习计算平均分 .................................................................. 49 

2.4 无监督学习案例：K 平均聚类算法实现 .................................................................. 51 

2.5 应用场景 ...................................................................................................................... 55 

2.6 未来展望 ...................................................................................................................... 56 

本章小结 ....................................................................................................................... 57 

课后习题 ....................................................................................................................... 57 

第3 章 深度神经网络 ................................................................................. 58 

3.1 神经网络简介 .............................................................................................................. 59 

3.1.1 神经元结构 ....................................................................................................... 59 

3.1.2 感知机概述 ....................................................................................................... 60 

3.1.3 神经网络结构 ................................................................................................... 64 

3.2 深度学习简介 .............................................................................................................. 66 

3.2.1 深度神经网络 ................................................................................................... 67 

3.2.2 卷积神经网络及原理 ....................................................................................... 68 

3.2.3 经典深度学习模型 ........................................................................................... 72 

3.3 主流深度学习框架及使用 .......................................................................................... 74 

3.3.1 TensorFlow 简介 ............................................................................................... 74 

3.3.2 PyTorch 简介 .................................................................................................... 75 

3.3.3 Caffe 简介 ......................................................................................................... 76 

3.3.4 PaddlePaddle 简介 ............................................................................................ 76 

3.3.5 TensorFlow 的使用 ........................................................................................... 77 

3.4 应用场景 ...................................................................................................................... 79 

3.4.1 人工神经网络在信息领域中的应用 ............................................................... 79 

3.4.2 人工神经网络在医学中的应用 ....................................................................... 80 

3.4.3 人工神经网络在经济领域的应用 ................................................................... 81 

3.4.4 人工神经网络在交通领域的应用 ................................................................... 82 

3.4.5 人工神经网络在心理学领域的应用 ............................................................... 82 

本章小结 ....................................................................................................................... 83 

第4 章 知识图谱及应用 ............................................................................. 84 

4.1 知识图谱的概念 .......................................................................................................... 85 

4.1.1 知识图谱的定义 ............................................................................................... 85 

4.1.2 知识图谱的表示 ............................................................................................... 85 

4.1.3 知识图谱技术的发展历程 ............................................................................... 86 

4.2 知识图谱的特点 .......................................................................................................... 88 

4.3 知识图谱构建 .............................................................................................................. 92 

4.3.1 业务问题定义 ................................................................................................... 92 

4.3.2 数据的收集与预处理 ................