书籍详情
人工智能应用基础
作者：姜东洋，刘世兴
出版社：机械工业出版社
出版时间：2023-02-01
ISBN：9787111720515
定价：¥54.00
购买这本书可以去
内容简介
本书本着培养高职学生的人工智能基本素养、人工智能思维和人工智能应用实践能力的目 标，内容选取符合高职学生的特点，强调人工智能的通识性、典型性和实用性，具有可操作性。 本书选取了涵盖人工智能领域的多个典型案例，采用项目化模式构建教学案例，突出实践。 每个案例由循序渐进的递进式任务组成，支持课堂分层次教学实施。全书共分7 章，主要内 容包括人工智能概述、Python 基础、图像识别与网络安全、自然语言处理与舆情分析、生物特 征识别与智慧校园、大数据与日常生活、机器学习与分类。 本书可作为高职高专及中等职业院校人工智能应用基础通识课程的教材，也可作为电子 信息、计算机相关专业的人工智能入门教材。
作者简介
暂缺《人工智能应用基础》作者简介
目录
前言
第1 章
人工智能概述
1.1 人工智能简介 002
1.1.1 人工智能的定义 002
1.1.2 人工智能的起源和发展 003
1.1.3 人工智能背景下的道德规范 006
1.2 人工智能产业的创新与发展 006
1.2.1 人工智能产业链全景分析 007
1.2.2 人工智能的核心技术体系 010
1.2.3 大力发展人工智能的意义 016
课后习题 017
第2 章
Python 基础
2.1 案例导入：基于AI 技术的首个国风虚拟网红Ling
出道 020
2.2 Python 语言简介 020
2.3 Python 语言的应用场景 020
2.4 项目实践：制作一个动态二维码 021
2.4.1 提出问题 021
2.4.2 分析问题 022
2.4.3 相关知识 022
2.4.4 解决问题 025
2.5 项目实践：图片的读/ 写 029
2.5.1 提出问题 029
2.5.2 分析问题 029
2.5.3 相关知识 030
2.5.4 解决问题 036
课后习题 042
第3 章
图像识别与网络安全
3.1 案例导入：抖音道具的图像识别技术 044
3.2 图像识别技术简介 044
3.2.1 图像识别的概念 044
3.2.2 图像识别的原理 045
3.2.3 图像识别的发展历程 045
3.3 图像识别的应用场景 046
3.3.1 医疗影像诊断 046
3.3.2 工业视觉检测 047
3.3.3 笔迹识别 047
3.3.4 人脸识别 048
3.4 项目实践：图像识别在智慧停车系统中的应用 048
3.4.1 提出问题 048
3.4.2 分析问题 049
3.4.3 相关知识 049
3.4.4 解决问题 055
课后习题 065
第4 章
自然语言处理与舆情分析
4.1 案例导入：聊天机器人 067
4.1.1 聊天机器人概述 067
4.1.2 聊天机器人的种类 067
4.1.3 聊天机器人系统的组成 068
4.2 自然语言处理简介 069
4.2.1 自然语言处理的概念 069
4.2.2 自然语言处理的发展历程 069
4.2.3 自然语言的含义及组成 071
4.2.4 自然语言处理的层次 072
4.3 自然语言处理的应用场景 077
4.3.1 机器翻译 077
4.3.2 语音识别 077
4.3.3 情感分析 078
4.4 项目实践：某商品评论舆情分析 079
4.4.1 提出问题 079
4.4.2 分析问题 079
4.4.3 相关知识 079
4.4.4 解决问题 080
课后习题 087
第5 章
生物特征识别与智慧校园
5.1 案例导入：智慧校园中的人脸识别系统 090
5.2 生物特征识别技术简介 090
5.2.1 生物特征识别的概念 090
5.2.2 生物特征识别的分类 091
5.2.3 生物特征识别的发展历程 092
5.3 生物特征识别的应用场景 092
5.4 项目实践：图书借阅管理系统的人脸借书 093
5.4.1 提出问题 093
5.4.2 分析问题 093
5.4.3 相关知识 094
5.4.4 解决问题 096
课后习题 104
第6 章
大数据与日常生活
6.1 案例导入：大数据下的电商服务模式转变 106
6.2 大数据技术概述 107
6.2.1 大数据与大数据技术的概念 107
6.2.2 大数据技术的原理 107
6.2.3 大数据技术的发展历程 108
6.3 大数据技术的应用场景 109
6.3.1 新冠疫情的防控和预测 110
6.3.2 垃圾分类智能化 111
6.3.3 交通大数据保障畅通出行 112
6.3.4 农牧大数据助力量化生产 112
6.3.5 食品大数据保证舌尖上的安全 113
6.4 项目实践：某平台线上超市全年销售数据分析 113
6.4.1 提出问题 114
6.4.2 分析问题 114
6.4.3 相关知识 114
6.4.4 解决问题 117
课后习题 127
第7 章
机器学习与分类
7.1 案例导入：房价预估 129
7.2 机器学习概述 130
7.2.1 机器学习简介 130
7.2.2 机器学习的种类 132
7.2.3 机器学习的发展历程 134
7.2.4 机器学习的流程 136
7.3 机器学习的应用场景 137
7.3.1 垃圾电子邮件过滤 137
7.3.2 推荐系统 138
7.3.3 金融反欺诈 138
7.4 项目实践：学生成绩分类 139
7.4.1 提出问题 139
7.4.2 分析问题 139
7.4.3 相关知识 140
7.4.4 解决问题 141
课后习题 149
参考文献 150
第1 章
人工智能概述
1.1 人工智能简介 002
1.1.1 人工智能的定义 002
1.1.2 人工智能的起源和发展 003
1.1.3 人工智能背景下的道德规范 006
1.2 人工智能产业的创新与发展 006
1.2.1 人工智能产业链全景分析 007
1.2.2 人工智能的核心技术体系 010
1.2.3 大力发展人工智能的意义 016
课后习题 017
第2 章
Python 基础
2.1 案例导入：基于AI 技术的首个国风虚拟网红Ling
出道 020
2.2 Python 语言简介 020
2.3 Python 语言的应用场景 020
2.4 项目实践：制作一个动态二维码 021
2.4.1 提出问题 021
2.4.2 分析问题 022
2.4.3 相关知识 022
2.4.4 解决问题 025
2.5 项目实践：图片的读/ 写 029
2.5.1 提出问题 029
2.5.2 分析问题 029
2.5.3 相关知识 030
2.5.4 解决问题 036
课后习题 042
第3 章
图像识别与网络安全
3.1 案例导入：抖音道具的图像识别技术 044
3.2 图像识别技术简介 044
3.2.1 图像识别的概念 044
3.2.2 图像识别的原理 045
3.2.3 图像识别的发展历程 045
3.3 图像识别的应用场景 046
3.3.1 医疗影像诊断 046
3.3.2 工业视觉检测 047
3.3.3 笔迹识别 047
3.3.4 人脸识别 048
3.4 项目实践：图像识别在智慧停车系统中的应用 048
3.4.1 提出问题 048
3.4.2 分析问题 049
3.4.3 相关知识 049
3.4.4 解决问题 055
课后习题 065
第4 章
自然语言处理与舆情分析
4.1 案例导入：聊天机器人 067
4.1.1 聊天机器人概述 067
4.1.2 聊天机器人的种类 067
4.1.3 聊天机器人系统的组成 068
4.2 自然语言处理简介 069
4.2.1 自然语言处理的概念 069
4.2.2 自然语言处理的发展历程 069
4.2.3 自然语言的含义及组成 071
4.2.4 自然语言处理的层次 072
4.3 自然语言处理的应用场景 077
4.3.1 机器翻译 077
4.3.2 语音识别 077
4.3.3 情感分析 078
4.4 项目实践：某商品评论舆情分析 079
4.4.1 提出问题 079
4.4.2 分析问题 079
4.4.3 相关知识 079
4.4.4 解决问题 080
课后习题 087
第5 章
生物特征识别与智慧校园
5.1 案例导入：智慧校园中的人脸识别系统 090
5.2 生物特征识别技术简介 090
5.2.1 生物特征识别的概念 090
5.2.2 生物特征识别的分类 091
5.2.3 生物特征识别的发展历程 092
5.3 生物特征识别的应用场景 092
5.4 项目实践：图书借阅管理系统的人脸借书 093
5.4.1 提出问题 093
5.4.2 分析问题 093
5.4.3 相关知识 094
5.4.4 解决问题 096
课后习题 104
第6 章
大数据与日常生活
6.1 案例导入：大数据下的电商服务模式转变 106
6.2 大数据技术概述 107
6.2.1 大数据与大数据技术的概念 107
6.2.2 大数据技术的原理 107
6.2.3 大数据技术的发展历程 108
6.3 大数据技术的应用场景 109
6.3.1 新冠疫情的防控和预测 110
6.3.2 垃圾分类智能化 111
6.3.3 交通大数据保障畅通出行 112
6.3.4 农牧大数据助力量化生产 112
6.3.5 食品大数据保证舌尖上的安全 113
6.4 项目实践：某平台线上超市全年销售数据分析 113
6.4.1 提出问题 114
6.4.2 分析问题 114
6.4.3 相关知识 114
6.4.4 解决问题 117
课后习题 127
第7 章
机器学习与分类
7.1 案例导入：房价预估 129
7.2 机器学习概述 130
7.2.1 机器学习简介 130
7.2.2 机器学习的种类 132
7.2.3 机器学习的发展历程 134
7.2.4 机器学习的流程 136
7.3 机器学习的应用场景 137
7.3.1 垃圾电子邮件过滤 137
7.3.2 推荐系统 138
7.3.3 金融反欺诈 138
7.4 项目实践：学生成绩分类 139
7.4.1 提出问题 139
7.4.2 分析问题 139
7.4.3 相关知识 140
7.4.4 解决问题 141
课后习题 149
参考文献 150
猜您喜欢
