前言
第1章 人工智能的前世今生
1.1 人工智能的定義
1.1.1 智能
1.1.2 人工智能
1.2 人工智能的起源
1.2.1 人工智能之父
1.2.2 圖靈測(cè)試
1.2.3 達(dá)特茅斯會(huì)議
1.3 人工智能的興衰往事
1.3.1 人工智能的第一次興衰
1.3.2 人工智能的第二次興衰
1.3.3 人工智能的第三次浪潮
1.4 人工智能的發(fā)展
1.4.1 人工智能教父
1.4.2 從深藍(lán)到AlphaGo
1.4.3 人工智能的黃金時(shí)代
本章小結(jié)
練習(xí)1
第2章 人工智能的應(yīng)用領(lǐng)域
2.1 人工智能的分類
2.1.1 弱人工智能
2.1.2 強(qiáng)人工智能
2.2 人工智能的三個(gè)階段
2.2.1 人工智能的計(jì)算智能階段
2.2.2 人工智能的感知智能階段
2.2.3 人工智能的認(rèn)知智能階段
2.3 人工智能的技術(shù)領(lǐng)域
2.3.1 人工智能的看計(jì)算機(jī)視覺(jué)
2.3.2 人工智能的聽語(yǔ)音處理
2.3.3 人工智能的想自然語(yǔ)言處理
2.4 人工智能的技術(shù)領(lǐng)域
2.4.1 數(shù)據(jù)服務(wù)
2.4.2 數(shù)據(jù)智能
2.4.3 智能控制
2.4.4 智能芯片
2.5 人工智能行業(yè)應(yīng)用場(chǎng)景
2.5.1 智能安防
2.5.2 智能駕駛
2.5.3 智能醫(yī)療
2.5.4 智能服務(wù)
2.5.5 智能家居
2.5.6 智慧農(nóng)業(yè)
2.5.7 智慧交通
2.5.8 智慧城市
2.5.9 數(shù)字李生
2.6 人工智能的展望
2.6.1 更易用的人工智能開發(fā)框架
2.6.2 更完善的人工智能數(shù)據(jù)服務(wù)
2.6.3 更安全的人工智能數(shù)據(jù)共享
2.6.4 更優(yōu)化的人工智能算法模型
2.6.5 端-邊-云全面發(fā)展的人工智能算力
2.6.6 更廣泛的人工智能服務(wù)
本章小結(jié)
練習(xí)2
第3章 人工智能中的應(yīng)用和方法
3.1 搜索算法
3.1.1 智能系統(tǒng)中的搜索
3.1.2 搜索算法介紹
3.1.3 盲目檢索
3.1.4 知情搜索
3.1.5 博弈中的搜索
3.2 博弈
3.2.1 二人博弈
3.2.2 囚徒困境
3.2.3 高級(jí)計(jì)算機(jī)博弈
3.3 邏輯
3.3.1 人工智能中的邏輯
3.3.2 邏輯和表示
3.3.3 模糊邏輯
3.4 產(chǎn)生式系統(tǒng)和專家系統(tǒng)
3.4.1 人工智能中的知識(shí)表示
3.4.2 產(chǎn)生式系統(tǒng)
3.4.3 專家系統(tǒng)
3.5 神經(jīng)網(wǎng)絡(luò)
3.5.1 神經(jīng)元
3.5.2 人工神經(jīng)網(wǎng)絡(luò)
3.5.3 梯度消失與梯度爆炸
3.5.4 損失函數(shù)
3.5.5 激活函數(shù)
3.6 進(jìn)化計(jì)算
3.6.1 模擬退火
3.6.2 遺傳算法
3.6.3 遺傳規(guī)劃
3.7 自然語(yǔ)言處理
3.7.1 自然語(yǔ)言處理的概述
3.7.2 自然語(yǔ)言處理的常用技術(shù)
3.7.3 自然語(yǔ)言處理的統(tǒng)計(jì)方法與概率模型
本章小結(jié)
練習(xí)3
第4章 人臉識(shí)別
4.1 案例描述
4.2 案例解析
4.3 知識(shí)鏈接
4.4 案例學(xué)習(xí)
4.4.1 人臉識(shí)別應(yīng)用案例
4.4.2 百度AI平臺(tái)人臉檢測(cè)
4.5 案例實(shí)現(xiàn)
4.6 人臉識(shí)別案例實(shí)戰(zhàn)
本章小結(jié)
練習(xí)4
第5章 圖像分類
5.1 案例描述
5.2 案例解析
5.2.1 圖像分類方法概述
5.2.2 實(shí)現(xiàn)方法選擇
5.2.3 案例實(shí)現(xiàn)過(guò)程
5.3 知識(shí)鏈接
5.3.1 圖像分類與檢測(cè)概述
5.3.2 圖像分類與檢測(cè)的難點(diǎn)與挑戰(zhàn)
5.3.3 圖像分類類型
5.4 圖像分類案例實(shí)踐
5.4.1 任務(wù)1 基于Anaconda安裝TensorFlow
5.4.2 任務(wù)2 加載貓狗數(shù)據(jù)集
5.4.3 任務(wù)3 編譯模型
5.4.4 任務(wù)4 訓(xùn)練模型
5.4.5 任務(wù)5 使用模型進(jìn)行預(yù)測(cè)
本章小結(jié)
練習(xí)5
第6章 語(yǔ)音識(shí)別
6.1 語(yǔ)音識(shí)別綜述
6.1.1 語(yǔ)音識(shí)別技術(shù)概述
6.1.2 語(yǔ)音識(shí)別技術(shù)發(fā)展歷史
6.2 語(yǔ)音識(shí)別知識(shí)介紹
6.2.1 語(yǔ)音識(shí)別原理
6.2.2 語(yǔ)音識(shí)別系統(tǒng)的分類
6.2.3 語(yǔ)音識(shí)別的幾種基本方法
6.3 語(yǔ)音識(shí)別應(yīng)用案例
本章小結(jié)
練習(xí)6
第7章 語(yǔ)音交互
7.1 語(yǔ)音交互的概念
7.2 語(yǔ)音交互的優(yōu)缺點(diǎn)
7.3 語(yǔ)音交互的原則
7.4 語(yǔ)音交互產(chǎn)品主要應(yīng)用場(chǎng)景
7.5 語(yǔ)音交互框架
7.6 語(yǔ)音交互案例
本章小結(jié)
練習(xí)7
第8章 機(jī)器翻譯
8.1 機(jī)器翻譯概述
8.1.1 機(jī)器翻譯的起源與發(fā)展
8.1.2 機(jī)器翻譯的基本原理
8.1.3 在線機(jī)譯
8.2 機(jī)器翻譯的核心技術(shù)
8.2.1 基于規(guī)則的機(jī)器翻譯
8.2.2 基于統(tǒng)計(jì)的機(jī)器翻譯
8.2.3 基于端到端的神經(jīng)機(jī)器翻譯
8.3 機(jī)器翻譯的基本應(yīng)用
8.4 文本與圖片翻譯案例
8.4.1 案例描述
8.4.2 知識(shí)準(zhǔn)備
8.4.3 任務(wù)1 文本的單語(yǔ)言翻譯
8.4.4 任務(wù)2 文本的多語(yǔ)言翻譯
8.4.5 任務(wù)3 圖片中文字的識(shí)別與翻譯
本章小結(jié)
練習(xí)8
第9章 人工智能的開發(fā)環(huán)境
9.1 Python基礎(chǔ)
9.1.1 變量
9.1.2 字符串
9.1.3 流程控制分支結(jié)構(gòu)
9.1.4 流程控制循環(huán)結(jié)構(gòu)