目录

资源下载

第1章人工智能

1.1人工智能概述

1.1.1人工智能的定义

1.1.2人工智能的历史

1.2人工智能的研究内容

1.2.1认知建模

1.2.2知识表示

1.2.3自动推理

1.2.4机器感知

1.2.5机器思维

1.3人工智能技术分类

1.3.1机器学习

1.3.2深度学习

1.3.3自然语言处理

1.3.4计算机视觉

1.3.5专家系统

1.3.6智能机器人

1.4人工智能应用

1.4.1智慧医疗

1.4.2智能金融

1.4.3智能制造

1.4.4自动驾驶

1.4.5智能家居

习题

第2章机器学习

2.1机器学习概述

2.2机器学习方法

2.2.1有监督学习

2.2.2无监督学习

2.2.3迁移学习

2.2.4强化学习

2.3分类与回归

2.3.1分类模型

2.3.2回归模型

2.4机器学习库

2.4.1TensorFlow

2.4.2Keras

2.4.3PyTorch

2.4.4Scikitlearn

2.4.5NumPy

2.4.6Pandas

2.4.7Matplotlib

2.5项目实践

2.5.1环境安装

2.5.2PyTorch基础

习题

人工智能导论与实践（微课视频版）

目录

第3章深度学习

3.1神经网络

3.1.1神经网络简介

3.1.2神经网络发展史

3.1.3神经网络模型

3.2学习案例1： 房价预测

3.2.1线性回归模型

3.2.2模型参数确定

3.2.3模型评估方法

3.2.4梯度下降算法

3.2.5PyTorch中的梯度下降

3.2.6模型训练中的优化问题

3.2.7神经网络类

3.3学习案例2： 乳腺癌预测

3.3.1数据处理

3.3.2神经网络类定义

3.3.3模型训练与预测

习题

第4章计算机视觉

4.1计算机视觉概述

4.1.1计算机视觉简介

4.1.2计算机视觉发展史

4.1.3计算机视觉应用与挑战

4.2学习案例3： 手写数字识别

4.2.1计算机图像的表示

4.2.2数据处理

4.2.3二分类与多分类

4.2.4多层神经网络

4.3学习案例4： CIFAR10图像分类

4.3.1CIFAR10简介

4.3.2卷积神经网络

4.3.3卷积层

4.3.4池化层

4.3.5多层处理

4.3.6全连接层

4.3.7构建CIFAR10分类网络

习题

第5章自然语言处理

5.1自然语言处理概述

5.1.1自然语言处理简介

5.1.2自然语言处理发展史

5.1.3自然语言处理应用与挑战

5.2文本预处理

5.2.1分词

5.2.2停用词

5.2.3词的文本表示

5.3语言模型

5.3.1语言模型的定义和应用

5.3.2统计语言模型

5.3.3神经网络语言模型

5.4学习案例5： 情感分析

5.4.1获取IMDB影评数据集

5.4.2数据预处理

5.4.3字典编码

5.4.4数据分批

5.4.5情感分析神经网络类

5.4.6训练与测试

习题

第6章智能机器人

6.1大语言模型

6.1.1大语言模型简介

6.1.2大语言模型发展史

6.1.3应用、趋势与发展

6.2智能机器人概述

6.2.1机器人简介

6.2.2认识智能机器人

6.2.3智能机器人的发展现状

6.2.4智能机器人的前景

6.3智能机器人的核心技术

6.3.1感知技术

6.3.2路径规划

6.3.3定位导航

6.3.4人机交互

6.3.5自主学习

6.4智能机器人的应用

习题

参考文献