本書按照人工智能在不同領(lǐng)域的研究特點(diǎn),通過專項應(yīng)用來研究相關(guān)技術(shù)。
全書分為11章,第1章介紹人工智能領(lǐng)域的基本概念,第2章說明Python語言編程工具的使用,第3章到第10章分別從應(yīng)答機(jī)器人、物體識別、人臉識別、語音識別、視頻識別、生成對抗神經(jīng)網(wǎng)絡(luò)、無人駕駛、區(qū)塊鏈和大數(shù)據(jù)等方面對人工智能從原理到實戰(zhàn)一步一步進(jìn)行介紹,第11章提取了部分人工智能方面的面試題,供未來從事人工智能研究工作的讀者參考。
無論讀者是否從事計算機(jī)相關(guān)專業(yè)的工作,有沒有過開發(fā)的經(jīng)驗,是否熟悉Python語言,是否想要轉(zhuǎn)行從事相關(guān)的工作,均可通過本書掌握編程的技巧和Python的基本技能。
李剛,網(wǎng)易云課堂人工智能認(rèn)證行家,51CTO學(xué)院講師,CSDN博客講師,曾在思遠(yuǎn)IT學(xué)院、八維教育、中軟國際、中公教育等單位任職教師、就業(yè)實訓(xùn)主任、項目經(jīng)理。對Java、Python等時下流行的語言掌握熟練,對大數(shù)據(jù)和人工智能領(lǐng)域的技術(shù)有深入研究。
目錄
第1章 人工智能時代的開始
1.1 由機(jī)器學(xué)習(xí)到人工智能的定義
1.2 人工智能發(fā)展史
1.3 認(rèn)知機(jī)器學(xué)習(xí)
1.3.1 機(jī)器學(xué)習(xí)概念
1.3.2 機(jī)器學(xué)習(xí)方式
1.4 深度學(xué)習(xí)
1.4.1 深度學(xué)習(xí)起源于感知機(jī)
1.4.2 通過激活函數(shù)實現(xiàn)微調(diào)
1.4.3 深度學(xué)習(xí)的輸出層
1.5 人工智能相關(guān)概念
1.5.1 訓(xùn)練數(shù)據(jù)集
1.5.2 驗證數(shù)據(jù)集
1.5.3 測試數(shù)據(jù)集
1.5.4 過擬合和欠擬合
1.6 人工智能學(xué)習(xí)方向概覽
1.7 本章小結(jié)
第2章Python語言基礎(chǔ)介紹
2.1 Python編輯環(huán)境的搭建
2.1.1 搭建Python運(yùn)行環(huán)境
2.1.2 Python環(huán)境變量的設(shè)置
2.1.3 PyCharm編輯工具的安裝
2.1.4 啟動PyCharm工具
2.1.5 PyCharm創(chuàng)建第一個Python程序
2.2 Python程序入門
2.2.1 順序結(jié)構(gòu)
2.2.2 條件分支結(jié)構(gòu)
2.2.3 循環(huán)結(jié)構(gòu)
2.3 Python函數(shù)功能的實現(xiàn)
2.4 Python數(shù)據(jù)類型的認(rèn)識
2.5 Python編程邏輯實戰(zhàn)
2.6 本章小結(jié)
第3章 應(yīng)答機(jī)器人
3.1 簡易應(yīng)答機(jī)器人實現(xiàn)
3.2 應(yīng)答機(jī)器人的分類思維
3.2.1 暢聊與尬聊的分類思維
3.2.2 暢聊和尬聊分類中的噪聲
3.2.3 暢聊和尬聊的多分類問題
3.3 問題推薦與意圖表達(dá)
3.4 Softmax多分類算法
3.5 AIML模塊實戰(zhàn)應(yīng)答機(jī)器人
3.6 本章小結(jié)
第4章 駕馭物體識別
4.1 計算機(jī)視覺對圖像的理解
4.2 計算機(jī)視覺的任務(wù)
4.3 物體檢測
4.3.1 滑動窗口法
4.3.2 圖像金字塔
4.3.3 YOLO設(shè)計理念與CNN模型
4.4 BOW原理
4.5 ImageAI模塊使用實戰(zhàn)
4.5.1 ImageAI模塊的安裝
4.5.2 ImageAI模塊實現(xiàn)物體檢測
4.6 本章小結(jié)
第5章 直擊人臉識別
5.1 人臉識別的理解
5.2 人臉識別的發(fā)展簡史
5.3 人臉識別系統(tǒng)組成
5.3.1 數(shù)據(jù)獲取
5.3.2 圖像預(yù)處理
5.3.3 人臉識別的主要算法
5.3.4 人臉識別的主要特征點(diǎn)
5.3.5 人臉檢測和人臉識別的技術(shù)指標(biāo)
5.4 人臉識別模塊實戰(zhàn)
5.4.1 人臉識別模塊face-recognition的安裝
5.4.2 face-recognition人臉識別模塊的臉部位置檢測
5.4.3 face-recognition人臉識別模塊的臉部識別
5.4.4 face-recognition人臉識別模塊的臉部關(guān)鍵點(diǎn)檢測及美妝
5.5 本章小結(jié)
第6章 揭秘語音識別
6.1 關(guān)于對音頻的認(rèn)知
6.2 音頻信號識別過程
6.2.1 梅爾頻率倒譜系數(shù)
6.2.2 隱馬爾可夫模型
6.2.3 N-Gram統(tǒng)計語言模型
6.3 語音波形和識別實戰(zhàn)
6.3.1 librosa模塊實戰(zhàn)語音波形
6.3.2 librosa模塊實戰(zhàn)梅爾頻率倒譜系數(shù)
6.3.3 SpeechRecognition實戰(zhàn)語音識別
6.4 本章小結(jié)
第7章 聚焦視頻識別
7.1 關(guān)于對視頻的認(rèn)知
7.2 視頻編解碼技術(shù)的認(rèn)知
7.3 視頻理解中的行為識別
7.3.1 時空關(guān)鍵點(diǎn)法
7.3.2 雙流法的行為識別
7.4 視頻理解中的場景識別
7.5 ImageAI模塊使用實戰(zhàn)
7.6 本章小結(jié)
第8章 生成對抗神經(jīng)網(wǎng)絡(luò)處理圖像
8.1 從囚徒困境談起
8.2 生成對抗神經(jīng)網(wǎng)絡(luò)
8.3 生成對抗神經(jīng)網(wǎng)絡(luò)的應(yīng)用場景
8.3.1 圖像生成
8.3.2 多域圖像生成
8.3.3 圖像轉(zhuǎn)換
8.3.4 多域圖像轉(zhuǎn)換
8.3.5 對象檢測
8.3.6 對象變換
8.3.7 文本轉(zhuǎn)圖像
8.4 生成對抗神經(jīng)網(wǎng)絡(luò)的架構(gòu)
8.5 生成對抗神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
8.6 生成對抗神經(jīng)網(wǎng)絡(luò)的優(yōu)劣
8.7 生成對抗神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實戰(zhàn)
8.8 本章小結(jié)
第9章 感知無人駕駛
9.1 無人駕駛研究的必要性
9.2 無人駕駛的概念
9.3 無人駕駛系統(tǒng)的基本架構(gòu)
9.3.1 環(huán)境感知
9.3.2 定位
9.3.3 任務(wù)規(guī)劃
9.3.4 行為規(guī)劃
9.3.5 動作規(guī)劃
9.3.6 預(yù)測控制
9.4 sklearn模塊實戰(zhàn)分類
9.4.1 歐氏距離:KNN分類原理與實現(xiàn)
9.4.2 貝葉斯算法:樸素貝葉斯分類原理與實現(xiàn)
9.4.3 決策之樹:決策樹分類原理與實現(xiàn)
9.5 本章小結(jié)
第10章 區(qū)塊鏈協(xié)同大數(shù)據(jù)
10.1 關(guān)于對區(qū)塊鏈的認(rèn)知
10.2 區(qū)塊鏈的原理
10.3 區(qū)塊鏈的相關(guān)概念
10.3.1 區(qū)塊
10.3.2 哈希算法
10.3.3 公鑰和私鑰
10.3.4 時間戳
10.4 大數(shù)據(jù)產(chǎn)業(yè)的理解
10.4.1 數(shù)據(jù)采集
10.4.2 數(shù)據(jù)存儲
10.4.3 數(shù)據(jù)建模
10.4.4 數(shù)據(jù)分析
10.5 大數(shù)據(jù)框架介紹
10.5.1 Hadoop框架
10.5.2 Hadoop環(huán)境搭建
10.5.3 MapReduce組件
10.5.4 Spark框架
10.6 經(jīng)典的大數(shù)據(jù)WordCount程序
10.7 本章小結(jié)
第11章 人工智能面試指導(dǎo)
11.1 引導(dǎo)面試題選集
11.2 未來研究方向