本書主要講述人工智能的基礎(chǔ)知識與基礎(chǔ)理論，并通過大量的人工智能應用幫助讀者快速了解人工智能相關(guān)技術(shù)。本書共10章，分別為人工智能概述、人工智能基礎(chǔ)知識、機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、人工智能技術(shù)應用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內(nèi)容豐富，講解細致，注重技術(shù)發(fā)展變化。
本書既可作為高校大數(shù)據(jù)專業(yè)、云計算專業(yè)、人工智能技術(shù)專業(yè)、信息管理專業(yè)、計算機網(wǎng)絡專業(yè)的教材，又可作為人工智能與大數(shù)據(jù)愛好者的參考書。
1.本書主要針對高等職業(yè)院校學生的特點，突出素質(zhì)教育，以培養(yǎng)學生的能力為本位，以提高學生的就業(yè)技能為導向。
2.全書內(nèi)容簡潔、結(jié)構(gòu)嚴謹、邏輯分明、條理清晰，圖文并茂、在內(nèi)容和形式上都有創(chuàng)新。
3.教材的編寫由淺入深，即使沒有接觸過人工智能的學生也能很快上手。
4.本書采用 “啟發(fā)式教學”等教學方法，充分激發(fā)學生的學習興趣，發(fā)揮學生學習的主動性，變常規(guī)的被動學習和填鴨式教學為積極主動學習。
5.參與本書編寫工作的人員都是長期從事大數(shù)據(jù)、人工智能及相關(guān)課程教學的一線教師和長期從事網(wǎng)絡管理的網(wǎng)絡工程師，具有豐富的教學經(jīng)驗和實踐經(jīng)驗。
黃源，重慶航天職業(yè)技術(shù)學院計算機系副教授，主要研究項目及領(lǐng)域為網(wǎng)絡通信、軟件開發(fā)等，曾經(jīng)出版《XML基礎(chǔ)與案例教程》《HTML5+CSS3網(wǎng)頁設(shè)計》《搜索引擎優(yōu)化基礎(chǔ)基礎(chǔ)與實訓教程》等教材。
第１章 人工智能概述 1
1.1 人工智能簡介 1
1.1.1 人工智能的定義 1
1.1.2 人工智能的特點 2
1.1.3 人工智能的分類 2
1.2 人工智能的起源與發(fā)展 3
1.2.1 人工智能的歷史 3
1.2.2 我國的人工智能發(fā)展現(xiàn)狀 5
1.3 人工智能的研究內(nèi)容 6
1.3.1 認知建�！�6
1.3.2 知識表示 6
1.3.3 知識應用 7
1.3.4 推理 7
1.3.5 機器感知 7
1.3.6 機器思維 7
1.3.7 機器學習 8
1.3.8 機器行為 8
1.4 人工智能領(lǐng)域的著名專家與代表性人物 8
1.4.1 艾倫 圖靈 8
1.4.2 斯圖爾特 羅素 8
1.4.3 斯蒂芬 霍金 9
1.4.4 賈斯汀 卡塞爾 9
1.4.5 約翰 麥卡錫 9
1.4.6 吳恩達 9
1.4.7 德米什 哈薩比斯 10
1.5 人工智能研究的主要學派 10
1.5.1 符號主義 10
1.5.2 連接主義 10
1.5.3 行為主義 11
1.6 人工智能的應用 11
1.6.1 專家系統(tǒng) 11
1.6.2 自然語言處理 12
1.6.3 博弈 12
1.6.4 搜索 13
1.6.5 感知問題 13
1.6.6 模式識別 13
1.6.7 機器人學 13
1.7 小結(jié) 14
1.8 習題 14
第２章 人工智能基礎(chǔ)知識 15
2.1 人工智能的數(shù)學基礎(chǔ) 15
2.1.1 微積分 15
2.1.2 線性代數(shù) 16
2.1.3 概率論與數(shù)理統(tǒng)計 16
2.1.4 最優(yōu)化理論 17
2.1.5 形式邏輯 17
2.2 人工智能的常用工具 17
2.2.1 TensorFlow 17
2.2.2 Mahout 18
2.2.3 Torch 18
2.2.4 Spark MLlib 18
2.2.5 Keras 18
2.2.6 CNTK 18
2.3 數(shù)據(jù)采集 19
2.3.1 數(shù)據(jù)采集的概念 19
2.3.2 數(shù)據(jù)采集的常見方法 19
2.4 數(shù)據(jù)存儲 21
2.4.1 數(shù)據(jù)存儲的概念 21
2.4.2 數(shù)據(jù)存儲的方式 21
2.5 數(shù)據(jù)清洗 23
2.5.1 數(shù)據(jù)清洗的概念 23
2.5.2 數(shù)據(jù)清洗的原理 24
2.5.3 數(shù)據(jù)清洗的應用領(lǐng)域 25
2.5.4 數(shù)據(jù)清洗的評估 25
2.6 數(shù)據(jù)分析 26
2.6.1 大數(shù)據(jù)分析概述 26
2.6.2 大數(shù)據(jù)分析的主要類型 26
2.6.3 數(shù)據(jù)挖掘 27
2.6.4 數(shù)據(jù)可視化 29
2.7 小結(jié) 32
2.8 習題 32
第3章 機器學習 34
3.1 機器學習概述 34
3.1.1 機器學習簡介 34
3.1.2 機器學習的發(fā)展 35
3.1.3 機器學習的應用前景 36
3.1.4 機器學習的未來 37
3.2 機器學習的分類 37
3.2.1 監(jiān)督學習 38
3.2.2 無監(jiān)督學習 39
3.2.3 半監(jiān)督學習 40
3.2.4 遷移學習 40
3.2.5 強化學習 41
3.3 機器學習常用算法 42
3.3.1 回歸算法 42
3.3.2 聚類算法 46
3.3.3 降維算法 49
3.3.4 決策樹算法 50
3.3.5 貝葉斯算法 51
3.3.6 支持向量機算法 53
3.3.7 關(guān)聯(lián)規(guī)則算法 54
3.3.8 遺傳算法 57
3.4 小結(jié) 60
3.5 習題 61
第4章 深度學習 62
4.1 神經(jīng)網(wǎng)絡 62
4.1.1 神經(jīng)網(wǎng)絡簡介 62
4.1.2 神經(jīng)網(wǎng)絡發(fā)展歷史 63
4.1.3 單個神經(jīng)元 64
4.1.4 神經(jīng)網(wǎng)絡的結(jié)構(gòu) 64
4.1.5 神經(jīng)網(wǎng)絡的學習 65
4.1.6 激活函數(shù) 66
4.1.7 損失函數(shù) 68
4.2 感知機 68
4.2.1 感知機簡介 68
4.2.2 多層感知機 69
4.3 卷積神經(jīng)網(wǎng)絡 70
4.3.1 卷積神經(jīng)網(wǎng)絡簡介 70
4.3.2 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu) 71
4.3.3 常用的卷積神經(jīng)網(wǎng)絡 72
4.4 循環(huán)神經(jīng)網(wǎng)絡 74
4.4.1 循環(huán)神經(jīng)網(wǎng)絡簡介 74
4.4.2 循環(huán)神經(jīng)網(wǎng)絡的結(jié)構(gòu) 74
4.4.3 常用的循環(huán)神經(jīng)網(wǎng)絡 75
4.5 生成對抗網(wǎng)絡 76
4.5.1 生成對抗網(wǎng)絡簡介 76
4.5.2 生成對抗網(wǎng)絡的結(jié)構(gòu) 76
4.5.3 常用的生成對抗網(wǎng)絡 77
4.6 深度學習的應用 78
4.6.1 AlphaGo Zero 78
4.6.2 自動駕駛 80
4.7 小結(jié) 81
4.8 習題 82
第5章 計算機視覺 83
5.1 計算機視覺概述 83
5.1.1 計算機視覺簡介 83
5.1.2 計算機視覺的發(fā)展歷史 84
5.1.3 計算機視覺研究的意義 85
5.1.4 計算機視覺的應用及面臨的挑戰(zhàn) 85
5.2 圖像分類 88
5.2.1 圖像分類簡介 88
5.2.2 圖像分類算法 88
5.3 目標檢測 91
5.3.1 目標檢測簡介 91
5.3.2 目標檢測框架模型 91
5.4 圖像分割 94
5.4.1 圖像分割簡介 94
5.4.2 圖像分割算法 95
5.5 小結(jié) 96
5.6 習題 96
第6章 自然語言處理 97
6.1 自然語言處理簡介 97
6.1.1 自然語言處理的定義 97
6.1.2 自然語言處理的發(fā)展歷程 98
6.1.3 自然語言處理的研究方向 99
6.1.4 自然語言處理的一般工作原理 100
6.2 自然語言處理的組成 101
6.3 自然語言理解 101
6.3.1 自然語言理解的層次 102
6.3.2 詞法分析 103
6.3.3 句法分析 104
6.3.4 語義分析 105
6.4 信息檢索 106
6.4.1 信息檢索簡介 107
6.4.2 信息檢索的發(fā)展歷程 107
6.4.3 信息檢索的特點 108
6.4.4 信息檢索的基本原理 108
6.4.5 信息檢索的類型 108
6.4.6 信息檢索的應用 110
6.5 機器翻譯 111
6.5.1 機器翻譯的基本模式 111
6.5.2 統(tǒng)計機器翻譯 112
6.5.3 機器翻譯的應用 113
6.6 情感分析 114
6.6.1 情感分析概述 115
6.6.2 情感分析的定義 115
6.6.3 情感分析的任務 115
6.6.4 情感分析的應用 117
6.6.5 情感分析面臨的困難與挑戰(zhàn) 119
6.7 語音識別 120
6.7.1 語音識別的定義 120
6.7.2 語音識別的發(fā)展歷程 120
6.7.3 語音識別的基本原理 121
6.7.4 語音識別的應用 121
6.8 自然語言處理面臨的問題和展望 124
6.8.1 自然語言處理面臨的問題 124
6.8.2 自然語言處理的展望 125
6.9 小結(jié) 126
6.10 習題 127
第7章 知識圖譜 128
7.1 知識圖譜簡介 128
7.1.1 知識圖譜的定義 128
7.1.2 知識圖譜的發(fā)展歷史 129
7.1.3 知識圖譜的類型 130
7.1.4 知識圖譜的重要性 131
7.2 知識表示和知識建模 132
7.2.1 知識表示 132
7.2.2 知識建�！�135
7.3 知識抽取 138
7.3.1 實體抽取 139
7.3.2 關(guān)系抽取 139
7.3.3 屬性抽取 139
7.4 知識存儲 140
7.4.1 知識存儲概述 140
7.4.2 知識存儲方式 140
7.4.3 知識存儲工具 141
7.5 知識融合 142
7.5.1 知識融合概述 142
7.5.2 知識融合過程 142
7.6 知識推理 143
7.6.1 知識圖譜的表示 143
7.6.2 并行知識推理 143
7.6.3 實體關(guān)系知識推理 144
7.6.4 模式歸納知識推理 144
7.7 知識圖譜的應用 145
7.7.1 語義搜索 145
7.7.2 問答系統(tǒng) 146
7.8 小結(jié) 149
7.9 習題 150
第8章 人工智能技術(shù)應用場景 151
8.1 智慧交通 151
8.1.1 智慧交通的概念 151
8.1.2 智慧交通中的人工智能應用 152
8.1.3 智慧交通中的核心技術(shù) 153
8.2 智慧電商 155
8.2.1 智慧電商的概念 155
8.2.2 智慧電商中的人工智能應用 155
8.2.3 智慧電商案例分析 159
8.3 智能醫(yī)學 160
8.3.1 智能醫(yī)學的概念 160
8.3.2 智能醫(yī)學的發(fā)展歷程 160
8.3.3 智能醫(yī)學涵蓋的內(nèi)容 161
8.3.4 醫(yī)學中的人工智能應用 162
8.3.5 智能醫(yī)學的發(fā)展 164
8.4 智能制造 164
8.4.1 智能制造的概念 164
8.4.2 智能制造的特征 164
8.4.3 智能制造中的人工智能應用 165
8.4.4 智能制造的發(fā)展 167
8.5 小結(jié) 168
8.6 習題 168
第9章 智能機器人 169
9.1 智能機器人概述 169
9.1.1 機器人簡介 169
9.1.2 認識智能機器人 173
9.1.3 智能機器人的發(fā)展現(xiàn)狀 174
9.1.4 智能機器人的前景 174
9.2 智能機器人的核心技術(shù) 175
9.2.1 定位導航 175
9.2.2 人機交互 180
9.3 智能機器人的應用 181
9.4 小結(jié) 184
9.5 習題 185
第 10章 人工智能的挑戰(zhàn)與未來 186
10.1 人工智能的挑戰(zhàn) 186
10.1.1 數(shù)據(jù) 186
10.1.2 算法模型可解釋性 187
10.1.3 業(yè)務場景理解 188
10.1.4 服務方式 188
10.1.5 投入產(chǎn)出比 189
10.2 人工智能對社會的影響 189
10.2.1 人工智能對教育與就業(yè)的影響 190
10.2.2 人工智能對隱私與安全的影響 191
10.3 人工智能的未來 191
10.3.1 人工智能未來的發(fā)展趨勢 192
10.3.2 人工智能未來的技術(shù)發(fā)展方向 193
10.3.3 人工智能未來的應用趨勢 196
10.4 小結(jié) 197
10.5 習題 198
參考文獻 199
書單推薦
