第 1章　人工智能概述　1 1.1　了解人工智能　1 1.2　了解深度學(xué)習(xí)　2 1.3　人工智能發(fā)展現(xiàn)狀　4 1.4　人工智能機(jī)器學(xué)習(xí)框架　5 1.4.1　機(jī)器學(xué)習(xí)框架簡(jiǎn)介　5 1.4.2　TensorFlow　5 1.4.3　PaddlePaddle　7 1.5　怎樣學(xué)習(xí)人工智能　7 1.6　小結(jié)　8 1.7　練習(xí)題　8 第　2章 Python編程基礎(chǔ)　9 2.1　Python入門　9 2.2　開發(fā)環(huán)境搭建　10 2.2.1　安裝Python　10 2.2.2　安裝PyCharm　13 2.2.3　體驗(yàn)PyCharm　17 2.3　基礎(chǔ)語(yǔ)法　21 2.3.1　基本輸入和輸出　21 2.3.2　Python運(yùn)算符　24 2.3.3　Python數(shù)據(jù)類型　33 2.3.4　Python語(yǔ)句　38 2.3.5　Python函數(shù)　43 2.4　面向?qū)ο蟆?4 2.5　第三方庫(kù)的使用　45 2.5.1　NumPy　46 2.5.2　Pandas　49 2.5.3　Matplotlib　52 2.6　小結(jié)　57 2.7　練習(xí)題　57 第3章　TensorFlow機(jī)器學(xué)習(xí)框架　58 3.1　TensorFlow介紹　58 3.1.1　TensorFlow基礎(chǔ)介紹　58 3.1.2　分布式TensorFlow　61 3.2　TensorFlow環(huán)境搭建　61 3.2.1　安裝Anaconda　61 3.2.2　使用pip的Windows環(huán)境安裝　67 3.2.3　使用pip的Linux環(huán)境安裝　68 3.2.4　使用源代碼編譯安裝　68 3.3　TensorFlow計(jì)算機(jī)加速　68 3.3.1　TensorFlow的使用　68 3.3.2　TensorFlow使用GPU加速　70 3.4　小結(jié)　70 3.5　練習(xí)題　71 第4章　機(jī)器學(xué)習(xí)算法　72 4.1　線性回歸　72 4.1.1　什么是線性回歸　72 4.1.2　線性回歸例子引入　73 4.1.3　數(shù)學(xué)方法解決線性回歸問(wèn)題　75 4.1.4　利用TensorFlow解決線性回歸問(wèn)題　78 4.2　邏輯回歸　81 4.2.1　什么是邏輯回歸　81 4.2.2　邏輯回歸例子引入　82 4.2.3　數(shù)學(xué)方法解決邏輯回歸問(wèn)題　83 4.2.4　利用TensorFlow解決邏輯回歸問(wèn)題　83 4.3　KNN　85 4.3.1　什么是KNN　86 4.3.2　KNN例子引入　86 4.3.3　數(shù)學(xué)方法解決KNN問(wèn)題　87 4.3.4　利用TensorFlow解決KNN問(wèn)題　91 4.4　使用第三方模塊實(shí)現(xiàn)KNN　92 4.5　其他機(jī)器學(xué)習(xí)算法　94 4.5.1　支持向量機(jī)　94 4.5.2　決策樹　94 4.5.3　隨機(jī)森林　95 4.5.4　K-Means　95 4.6　小結(jié)　95 4.7　練習(xí)題　95 第5章　MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)　96 5.1　MNIST數(shù)據(jù)集簡(jiǎn)介　96 5.2　神經(jīng)元常用函數(shù)　97 5.2.1　激活函數(shù)　97 5.2.2　池化函數(shù)　99 5.2.3　損失函數(shù)　100 5.3　深度神經(jīng)網(wǎng)絡(luò)　101 5.4　經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)介紹　102 5.4.1　LeNet-5模型及其實(shí)現(xiàn)　103 5.4.2　AlexNet介紹　109 5.4.3　VGGNet介紹　109 5.4.4　Inception模型及其實(shí)現(xiàn)　109 5.5　循環(huán)神經(jīng)網(wǎng)絡(luò)　112 5.5.1　循環(huán)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介　112 5.5.2　循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)　115 5.6　優(yōu)化器及優(yōu)化方法　117 5.6.1　優(yōu)化方法　117 5.6.2　學(xué)習(xí)率設(shè)置　118 5.7　小結(jié)　118 5.8　練習(xí)題　118 第6章　TensorFlow高級(jí)框架　119 6.1　TFLearn　119 6.2　Keras　121 6.3　小結(jié)　123 6.4　練習(xí)題　124 第7章　OpenCV開發(fā)與應(yīng)用　125 7.1　OpenCV介紹　125 7.2　OpenCV常見應(yīng)用　127 7.2.1　攝像頭調(diào)用　127 7.2.2　OpenCV的圖像簡(jiǎn)單處理　128 7.2.3　圖像處理的意義及價(jià)值　132 7.3　小結(jié)　133 7.4　練習(xí)題　133 第8章　計(jì)算機(jī)視覺處理　134 8.1　計(jì)算機(jī)視覺開發(fā)介紹　134 8.2　手寫數(shù)字識(shí)別　136 8.2.1　項(xiàng)目介紹　137 8.2.2　圖像獲取以及預(yù)處理　138 8.2.3　圖像識(shí)別　139 8.2.4　結(jié)果顯示　143 8.3　人臉識(shí)別　143 8.3.1　項(xiàng)目介紹　144 8.3.2　人臉的數(shù)據(jù)集介紹　144 8.3.3　人臉識(shí)別流程　145 8.3.4　人臉識(shí)別方案　145 8.3.5　人臉識(shí)別應(yīng)用　146 8.4　小結(jié)　154 8.5　練習(xí)題　154 第9章　自然語(yǔ)言處理　155 9.1　人工智能自然語(yǔ)言處理介紹　155 9.2　英文語(yǔ)音識(shí)別　156 9.2.1　項(xiàng)目介紹　156 9.2.2　訓(xùn)練模型　156 9.2.3　測(cè)試效果　160 9.3　打造智能聊天機(jī)器人　163 9.3.1　seq2seq的機(jī)制原理　163 9.3.2　實(shí)踐　163 9.4　小結(jié)　164 9.5　練習(xí)題　164 第　10章 人工智能開放平臺(tái)應(yīng)用　165 10.1　AI開放平臺(tái)介紹　165 10.2　百度AI開放平臺(tái)應(yīng)用　166 10.2.1　百度AI開放平臺(tái)介紹　166 10.2.2　基于百度AI開放平臺(tái)的圖像識(shí)別　166 10.2.3　基于百度AI開放平臺(tái)的語(yǔ)音識(shí)別　170 10.2.4　基于百度AI開放平臺(tái)的人臉識(shí)別　172 10.3　更多AI開放平臺(tái)實(shí)踐　175 10.3.1　騰訊AI開放平臺(tái)　175 10.3.2　阿里AI開放平臺(tái)　175 10.3.3　京東AI開放平臺(tái)　176 10.3.4　小愛AI開放平臺(tái)　176 10.3.5　訊飛AI開放平臺(tái)　177 10.4　小結(jié)　177 10.5　練習(xí)題　177 第　11章 綜合實(shí)訓(xùn)案例解析　178 11.1　基于機(jī)械臂的工業(yè)分揀系統(tǒng)　178 11.1.1　項(xiàng)目概要　178 11.1.2　項(xiàng)目設(shè)計(jì)　179 11.1.3　項(xiàng)目實(shí)現(xiàn)　186 11.2　小結(jié)　193 11.3　練習(xí)題　193