作品简介

本书系统介绍了人工智能的基本原理、方法和技术,并反映国内外研究和应用的最新进展。全书共11章。第1章主要介绍人工智能从业人员的职业道德及行业准则和人工智能视角下的企业文化和职业素养。第2章主要介绍人工智能技术的定义、经典问题、发展史和产品应用等。第3章主要介绍人工智能与大数据、数据采集与预处理、数据可视化。第4章介绍了机器学习的学习类型、分类、常见任务及其应用。第5、6章对神经网络和深度学习做了引导性综述,包括图片识别、BP神经网络的数据分类、卷积神经网络、循环神经网络。第7章介绍了计算机视觉技术在图像分类和人脸识别中的应用。第8章介绍了中文分词原理和各种模型与算法设计。第9章对语音与语音识别过程进行了详细的介绍。第10、11章详细介绍了人工智能开发环境的设置与机器人的具体实现,以开阔读者的眼界。

本书内容丰富,叙述脉络清晰,实用性强,同时配有丰富的习题,可作为高等职业院校计算机相关专业高职专科生教材,也可作为人工智能工程技术人员的培训教材。

本书作者郑孝宗,何欢主编。

作品目录

  • Preface 前言
  • 第1章 绪论
  • 1.1 人工智能从业人员职业道德及行业准则
  • 1.2 职业素养与企业文化
  • 1.3 习题与练习
  • 第2章 人工智能概述
  • 2.1 人工智能的定义
  • 2.2 人工智能的经典问题
  • 2.3 人工智能的发展史
  • 2.4 人工智能的应用分支
  • 2.5 人工智能产品应用体系
  • 2.6 习题与练习
  • 第3章 人工智能与大数据
  • 3.1 人工智能与大数据概述
  • 3.2 数据采集与预处理
  • 3.3 数据可视化
  • 3.4 习题与练习
  • 第4章 机器学习应用技术
  • 4.1 机器学习简介
  • 4.2 机器学习的学习类型
  • 4.3 机器学习的分类
  • 4.4 机器学习的常见任务及其应用
  • 4.5 习题与练习
  • 第5章 神经网络应用技术
  • 5.1 神经网络基本原理
  • 5.2 神经网络的应用——图片识别
  • 5.3 BP神经网络的数据分类——语音特征信号分类
  • 5.4 RBF网络——非线性函数回归的实现
  • 5.5 习题与练习
  • 第6章 深度学习应用技术
  • 6.1 深度学习基本概念
  • 6.2 卷积神经网络
  • 6.3 循环神经网络
  • 6.4 深度学习的应用
  • 6.5 习题与练习
  • 第7章 计算机视觉技术
  • 7.1 OpenCV的安装及环境配置
  • 7.2 图像分类
  • 7.3 人脸识别
  • 7.4 习题与练习
  • 第8章 自然语言处理
  • 8.1 语言的形态
  • 8.2 中文分词原理
  • 8.3 统计语言模型
  • 8.4 NLP算法设计
  • 8.5 文本数据标注管理与质量检验
  • 8.6 习题与练习
  • 第9章 语音与语音识别
  • 9.1 语音中的噪声
  • 9.2 语音标注规范
  • 9.3 语音标注管理与质量检验
  • 9.4 语音识别过程
  • 9.5 语音识别的相关算法
  • 9.6 语音识别应用场景及产品分类
  • 9.7 习题与练习
  • 第10章 人工智能开发环境
  • 10.1 Linux操作系统
  • 10.2 shell指令
  • 10.3 Python的安装与移植
  • 10.4 习题与练习
  • 第11章 机器人的实现
  • 11.1 ROS基本原理
  • 11.2 ROS平台搭建
  • 11.3 ROS机器人运动控制
  • 11.4 ROS机器人的路径规划与导航
  • 11.5 对话机器人分类
  • 11.6 对话机器人技术对比
  • 11.7 习题与练习
  • 参考文献
展开全部