人工智能技術基礎

本書按照人工智能在不同領域的研究特點，通過專項應用來研究相關技術。全書分為11章，第1章介紹人工智能領域的基本概念，第2章說明Python語言編程工具的使用，第3章到第10章分別從應答機器人、物體識別、人臉識別、語音識別、視頻識別、生成對抗神經網絡、無人駕駛、區塊鏈和大數據等方面對人工智能從原理到實戰一步一步進行介紹，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相關專業的工作，有沒有過開發的經驗，是否熟悉Python語言，是否想要轉行從事相關的工作，均可通過本書掌握編程的技巧和Python的基本技能。



李剛，網易雲課堂人工智能認證行家，51CTO學院講師，CSDN博客講師，曾在思遠IT學院、八維教育、中軟國際、中公教育等單位任職教師、就業實訓主任、項目經理。對Java、Python等時下流行的語言掌握熟練，對大數據和人工智能領域的技術有深入研究。

第1章 人工智慧時代的開始
1.1　由機器學習到人工智慧的定義
1.2　人工智慧發展史
1.3　認知機器學習
1.3.1　機器學習概念
1.3.2　機器學習方式
1.4　深度學習
1.4.1　深度學習起源於感知機
1.4.2　通過啟動函數實現微調
1.4.3　深度學習的輸出層
1.5　人工智慧相關概念
1.5.1　訓練數據集
1.5.2　驗證數據集
1.5.3　測試數據集
1.5.4　過擬合和欠擬合
1.6　人工智慧學習方向概覽
1.7　本章小結

第2章 Python語言基礎介紹
2.1　Python編輯環境的搭建
2.1.1　搭建Python運行環境
2.1.2　Python環境變數的設置
2.1.3　PyCharm編輯工具的安裝
2.1.4　啟動PyCharm工具
2.1.5　PyCharm創建第一個Python程式
2.2　Python程式入門
2.2.1　順序結構
2.2.2　條件分支結構
2.2.3　迴圈結構
2.3　Python函數功能的實現
2.4　Python數據類型的認識
2.5　Python程式設計邏輯實戰
2.6　本章小結

第3章 應答機器人
3.1　簡易應答機器人實現
3.2　應答機器人的分類思維
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雜訊
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
3.4　Softmax多分類演算法
3.5　AIML模組實戰應答機器人
3.6　本章小結

第4章 駕馭物體識別
4.1　計算機視覺對圖像的理解
4.2　計算機視覺的任務
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設計理念與CNN模型
4.4　BOW原理
4.5　ImageAI模組使用實戰
4.5.1　ImageAI模組的安裝
4.5.2　ImageAI模組實現物體檢測
4.6　本章小結

第5章 直擊人臉識別
5.1　人臉識別的理解
5.2　人臉識別的發展簡史
5.3　人臉識別系統組成
5.3.1　數據獲取
5.3.2　圖像預處理
5.3.3　人臉識別的主要演算法
5.3.4　人臉識別的主要特徵點
5.3.5　人臉檢測和人臉識別的技術指標
5.4　人臉識別模組實戰
5.4.1　人臉識別模組face-recognition的安裝
5.4.2　face-recognition人臉識別模組的臉部位置檢測
5.4.3　face-recognition人臉識別模組的臉部識別
5.4.4　face-recognition人臉識別模組的臉部關鍵點檢測及美妝
5.5　本章小結

第6章 揭秘語音辨識
6.1　關於對音訊的認知
6.2　音訊信號識別過程
6.2.1　梅爾頻率倒譜系數
6.2.2　隱瑪律可夫模型
6.2.3　N-Gram統計語言模型
6.3　語音波形和識別實戰
6.3.1　librosa模組實戰語音波形
6.3.2　librosa模組實戰梅爾頻率倒譜系數
6.3.3　SpeechRecognition實戰語音辨識
6.4　本章小結

第7章 聚焦視頻識別
7.1　關於對視頻的認知
7.2　視頻編解碼技術的認知
7.3　視頻理解中的行為識別
7.3.1　時空關鍵點法
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模組使用實戰
7.6　本章小結

第8章 生成對抗神經網路處理圖像
8.1　從囚徒困境談起
8.2　生成對抗神經網路
8.3　生成對抗神經網路的應用場景
8.3.1　圖像生成
8.3.2　多域圖像生成
8.3.3　圖像轉換
8.3.4　多域圖像轉換
8.3.5　對象檢測
8.3.6　對象變換
8.3.7　文本轉圖像
8.4　生成對抗神經網路的架構
8.5　生成對抗神經網路的訓練方法
8.6　生成對抗神經網路的優劣
8.7　生成對抗神經網路的訓練實戰
8.8　本章小結

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　無人駕駛系統的基本架構
9.3.1　環境感知
9.3.2　定位
9.3.3　任務規劃
9.3.4　行為規劃
9.3.5　動作規劃
9.3.6　預測控制
9.4　sklearn模組實戰分類
9.4.1　歐氏距離：KNN分類原理與實現
9.4.2　貝葉斯演算法：樸素貝葉斯分類原理與實現
9.4.3　決策之樹：決策樹分類原理與實現
9.5　本章小結

第10章 區塊鏈協同大數據
10.1　關於對區塊鏈的認知
10.2　區塊鏈的原理
10.3　區塊鏈的相關概念
10.3.1　區塊
10.3.2　雜湊演算法
10.3.3　公開金鑰和私密金鑰
10.3.4　時間戳記
10.4　大數據產業的理解
10.4.1　數據採集
10.4.2　數據存儲
10.4.3　數據建模
10.4.4　數據分析
10.5　大數據框架介紹
10.5.1　Hadoop框架
10.5.2　Hadoop環境搭建
10.5.3　MapReduce組件
10.5.4　Spark框架
10.6　經典的大數據WordCount程式
10.7　本章小結

第11章 人工智慧面試指導
11.1　引導面試題選集
11.2　未來研究方向

李剛

網易雲課堂人工智慧認證行家，51CTO學院講師，CSDN博客講師，曾在思遠IT學院、八維教育、中軟國際、中公教育等單位任職教師、就業實訓主任、專案經理。對Java、Python等時下流行的語言掌握熟練，對大數據和人工智慧領域的技術有深入研究。