目录 

第1章  人工智能概论 1

1.1  人工智能的定义和分类 2

1.2  人工智能的特征 4

1.3  人工智能的主要流派 5

1.3.1  符号主义学派 5

1.3.2  联结主义学派 6

1.3.3  行为主义学派 6

1.4  人工智能编程语言—— Python 6

1.5  人工智能的关键技术 8

1.5.1  计算机视觉 8

1.5.2  知识图谱 9

1.5.3  自然语言处理 9

1.5.4  机器学习 9

1.5.5  感知技术 10

1.6  人工智能的应用场景 11

1.6.1  图像识别 11

1.6.2  语音识别 11

1.6.3  无人驾驶 12

1.6.4  聊天机器人—— ChatGPT 13

1.6.5  智能家居 13

习题 14

第2章  人工智能编程语言之Python 15

2.1  搭建人工智能Python环境 16

2.1.1  搭建Python环境 17

2.1.2  搭建PyCharm环境 20

2.1.3  安装扩展模块库 23

2.2  Python程序简介 25

2.2.1  Python常量 26

2.2.2  Python变量 26

2.2.3  Python注释 27

2.2.4  Python数据类型 28

2.2.5  Python程序结构 40

2.2.6  Python 函数 44

2.3  NumPy基础应用 45

2.3.1  方程求解 46

2.3.2  数组运算 47

习题 48

第3章  计算机视觉 49

3.1  计算机视觉的定义 50

3.2  计算机视觉理解图像的原理 50

3.3  计算机视觉的任务 51

3.3.1  图像检测 51

3.3.2  图像分割 52

3.3.3  图像分类 53

3.4  计算机视觉的应用场景 53

3.4.1  人脸识别 53

3.4.2  视频监控 54

3.4.3  图像识别 55

3.4.4  无人驾驶 55

3.5  物体检测算法——滑动窗口物体检测法 56

习题 57

第4章  知识图谱 59

4.1  知识图谱的定义 60

4.2  知识图谱的构建过程 60

4.2.1  知识抽取 61

4.2.2  知识融合 62

4.2.3  知识加工 63

4.3  案例——构建人工智能知识图谱 64

习题 69

第5章  自然语言处理 71

5.1  自然语言处理的定义 72

5.1.1  自然语言理解 72

5.1.2  自然语言生成 73

5.2  自然语言的发展历程 73

5.2.1  早期自然语言处理阶段 74

5.2.2  统计自然语言处理阶段 74

5.2.3  神经网络自然语言处理阶段 74

5.3  自然语言处理技术 74

5.3.1  语法分析 75

5.3.2  句法分析 75

5.3.3  语义分析 75

5.3.4  语用分析 76

5.3.5  篇章分析 76

5.4  自然语言处理的判别标准 76

5.5  自然语言处理的应用场景 76

5.5.1  机器翻译 77

5.5.2  信息检索 78

5.5.3  情感分析 79

5.5.4  自动问答 80

习题 80

第6章  机器学习与线性回归 81

6.1  机器学习的定义 82

6.2  机器学习的发展历程 82

6.3  机器学习算法分类 83

6.3.1  监督学习 84

6.3.2  半监督学习 84

6.3.3  无监督学习 85

6.3.4  强化学习 85

6.4  机器学习的过程 85

6.5  认识机器学习算法——线性回归 86

6.5.1  线性回归的数学表达式 86

6.5.2  线性回归求解过程 87

6.6  案例——预测房屋价格 88

习题 93

第7章  机器学习与分类器 95

7.1  分类器的工作原理 96

7.2  常用的分类器 97

7.2.1  k近邻分类器 97

7.2.2  决策树分类器 99

7.2.3  支持向量机 105

7.2.4  人工神经网络 106

7.2.5  Adaboost算法 110

7.3  案例——使用SVM算法进行乳腺肿瘤识别 112

7.3.1  乳腺肿瘤细胞样本数据集简介 113

7.3.2  SVM算法诊断乳腺肿瘤详细过程 114

习题 116

第8章  机器学习——物以类聚，人以群分 117

8.1  聚类方法 118

8.2  k均值算法 118

8.3  数据降维算法 122

8.4  案例1——采用数据降维算法评价学生成绩 123

8.5  案例2——采用k均值算法分类鸢尾花 126

习题 130

第9章  机器学习——强化学习 131

9.1  强化学习概述 132

9.1.1  强化学习的定义 132

9.1.2  强化学习的基本组成部分 132

9.1.3  强化学习的特点 133

9.1.4  强化学习的分类 133

9.1.5  强化学习的应用场景 134

9.2  Q-learning算法 135

9.2.1  Q-table 135

9.2.2  Q-learning算法的执行过程 136

9.3  案例——采用Q-learning算法解决迷宫问题 136

习题 139

第10章  感知技术 141

10.1  传感器技术 142

10.1.1  认识传感器 142

10.1.2  传感器与人工智能 143

10.1.3  传感器的分类 144

10.1.4  常用的传感器 146

10.1.5  传感器的五大性能指标 149

10.2  射频识别技术 150

10.2.1  射频识别的定义 150

10.2.2  射频识别的工作原理 152

10.3  卫星定位技术 153

习题 154

第11章  图像识别——机器也懂你 155

11.1  图像识别的原理和定义 156

11.1.1  图像识别的原理 156

11.1.2  图像识别的定义 156

11.2  图像识别瓶颈 157

11.3  图像识别过程 158

11.3.1  图像数据采集阶段 159

11.3.2  图像预处理阶段 160

11.3.3  特征提取及选择阶段 160

11.3.4  分类器设计阶段 161

11.3.5  分类决策阶段 162

11.3.6  案例1——迎春花与连翘花识别 162

11.4  人脸识别 164

11.4.1  人脸识别过程 164

11.4.2  人脸识别函数opencv 166

11.4.3  案例2——检测某一幅图像中的人脸区域 167

11.4.4  案例3——识别出某一幅图像中的人脸身份信息 169

习题 173

第12章  语音识别——机器也听话 175

12.1  声波的定义 176

12.2  听觉原理 176

12.3  语音识别原理 176

12.3.1  声波特征提取阶段 177

12.3.2  声波解码阶段 179

12.4  语音识别实现方式 181

12.5  海思语音识别案例 181

12.5.1  海思音频模块 182

12.5.2  海思语音识别原理 183

12.6  案例—— SpeechRecognition实现语音识别 184

12.6.1  使用librosa扩展库获取声波特征 184

12.6.2  使用SpeechRecognition 函数库和pocketsphinx语音识别库识别语音 185

习题 186

第13章  无人驾驶——免费代驾 187

13.1  认识无人驾驶车 188

13.2  无人驾驶系统的基本结构 188

13.2.1  无人驾驶感知层 189

13.2.2  无人驾驶决策层 191

13.2.3  无人驾驶执行层 191

13.3  无人驾驶分级 192

13.3.1  0级——应急辅助 192

13.3.2  1级——部分驾驶辅助 193

13.3.3  2级——组合驾驶辅助 193

13.3.4  3级——交通拥堵辅助 194

13.3.5  4级——高级自动驾驶 194

13.3.6  5级——完全自动驾驶 194

13.4  无人驾驶核心技术 194

13.4.1  感知技术 194

13.4.2  决策技术 195

13.4.3  定位技术 195

13.4.4  通信安全技术 196

13.4.5  人机交互技术 196

13.5  案例1——百度无人驾驶车Apollo  RT6 196

13.5.1  Apollo RT6无人驾驶车工作原理 197

13.5.2  Apollo RT6无人驾驶车整车全冗余系统技术 198

13.5.3  Apollo星河平台技术 198

13.6  案例2——采用YOLO算法检测小轿车 199

13.6.1  YOLO算法简介 199

13.6.2  BDD100K数据集简介 202

13.6.3  YOLO算法检测小车 案例 203

习题 204

第14章  聊天机器人——成为您的好助手 205

14.1  ChatGPT的用途 206

14.2  ChatGPT的基本工作原理 206

14.2.1  数据收集 206

14.2.2  数据预处理 207

14.2.3  数据模型建立 207

14.2.4  文本、图像、视频、音频 生成 208

14.2.5  文本、图像、视频、音频 多模态输出 208

14.3  ChatGPT应用案例 209

14.3.1  案例1—— ChatGPT 文生文 209

14.3.2  案例2—— ChatGPT 文生图 209

14.3.3  案例3——基于Transformer的生成式对话模型 211

14.4  文心一言——中国的ChatGPT 212

14.4.1  文心大模型 212

14.4.2  飞桨产业级深度学习平台 213

14.4.3  文心一言的功能 216

习题 220

第15章  智能家居 221

15.1  智能家居的定义 222

15.2  智能家居系统 222

15.2.1  家庭布线系统 222

15.2.2  家庭安防系统 222

15.2.3  人工智能系统 223

15.3  智能家居系统的功能 224

15.3.1  家庭安全防范功能 225

15.3.2  家庭环境控制功能 225

15.3.3  家庭家电控制功能 225

15.3.4  家庭多媒体控制功能 225

15.3.5  家庭信息智能处理功能 225

15.4  智能家居的主流品牌 225

15.4.1  Control 4 226

15.4.2  Honeywell 226

15.4.3  米家 227

15.5  案例—— Control 4灯光智能控制系统 228

习题 231

附录 233

参考文献 251