图书简介

      本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。 本书可作为人工智能、计算机、自动化等专业相关课程的教材，也可作为人工智能开发人员的参考用书。

图书目录

人工智能基础与应用（微课版）章节：
第1章　人工智能概述　1
1.1　了解人工智能　1
1.2　了解深度学习　2
1.3　人工智能发展现状　4
1.4　人工智能机器学习框架　5
1.4.1　机器学习框架简介　5
1.4.2　TensorFlow　5
1.4.3　PaddlePaddle　7
1.5　怎样学习人工智能　7
1.6　小结　8
1.7　练习题　8
第2章　Python编程基础　9
2.1　Python入门　9
2.2　开发环境搭建　10
2.2.1　安装Python　10
2.2.2　安装PyCharm　13
2.2.3　体验PyCharm　17
2.3　基础语法　21
2.3.1　基本输入和输出　21
2.3.2　Python运算符　24
2.3.3　Python数据类型　33
2.3.4　Python语句　38
2.3.5　Python函数　43
2.4　面向对象　44
2.5　第三方库的使用　45
2.5.1　NumPy　46
2.5.2　Pandas　49
2.5.3　Matplotlib　52
2.6　小结　57
2.7　练习题　57
第3章　TensorFlow机器学习框架　58
3.1　TensorFlow介绍　58
3.1.1　TensorFlow基础介绍　58
3.1.2　分布式TensorFlow　61
3.2　TensorFlow环境搭建　61
3.2.1　安装Anaconda　61
3.2.2　使用pip的Windows环境安装　67
3.2.3　使用pip的Linux环境安装　68
3.2.4　使用源代码编译安装　68
3.3　TensorFlow计算机加速　68
3.3.1　TensorFlow的使用　68
3.3.2　TensorFlow使用GPU加速　70
3.4　小结　70
3.5　练习题　71
第4章　机器学习算法　72
4.1　线性回归　72
4.1.1　什么是线性回归　72
4.1.2　线性回归例子引入　73
4.1.3　数学方法解决线性回归问题　75
4.1.4　利用TensorFlow解决线性回归问题　78
4.2　逻辑回归　81
4.2.1　什么是逻辑回归　81
4.2.2　逻辑回归例子引入　82
4.2.3　数学方法解决逻辑回归问题　83
4.2.4　利用TensorFlow解决逻辑回归问题　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　数学方法解决KNN问题　87
4.3.4　利用TensorFlow解决KNN问题　91
4.4　使用第三方模块实现KNN　92
4.5　其他机器学习算法　94
4.5.1　支持向量机　94
4.5.2　决策树　94
4.5.3　随机森林　95
4.5.4　K-Means　95
4.6　小结　95
4.7　练习题　95
第5章　MNIST数据集及神经网络　96
5.1　MNIST数据集简介　96
5.2　神经元常用函数　97
5.2.1　激活函数　97
5.2.2　池化函数　99
5.2.3　损失函数　100
5.3　深度神经网络　101
5.4　经典卷积神经网络介绍　102
5.4.1　LeNet-5模型及其实现　103
5.4.2　AlexNet介绍　109
5.4.3　VGGNet介绍　109
5.4.4　Inception模型及其实现　109
5.5　循环神经网络　112
5.5.1　循环神经网络简介　112
5.5.2　循环神经网络实现　115
5.6　优化器及优化方法　117
5.6.1　优化方法　117
5.6.2　学习率设置　118
5.7　小结　118
5.8　练习题　118
第6章　TensorFlow高级框架　119
6.1　TFLearn　119
6.2　Keras　121
6.3　小结　123
6.4　练习题　124
第7章　OpenCV开发与应用　125
7.1　OpenCV介绍　125
7.2　OpenCV常见应用　127
7.2.1　摄像头调用　127
7.2.2　OpenCV的图像简单处理　128
7.2.3　图像处理的意义及价值　132
7.3　小结　133
7.4　练习题　133
第8章　计算机视觉处理　134
8.1　计算机视觉开发介绍　134
8.2　手写数字识别　136
8.2.1　项目介绍　137
8.2.2　图像获取以及预处理　138
8.2.3　图像识别　139
8.2.4　结果显示　143
8.3　人脸识别　143
8.3.1　项目介绍　144
8.3.2　人脸的数据集介绍　144
8.3.3　人脸识别流程　145
8.3.4　人脸识别方案　145
8.3.5　人脸识别应用　146
8.4　小结　154
8.5　练习题　154
第9章　自然语言处理　155
9.1　人工智能自然语言处理介绍　155
9.2　英文语音识别　156
9.2.1　项目介绍　156
9.2.2　训练模型　156
9.2.3　测试效果　160
9.3　打造智能聊天机器人　163
9.3.1　seq2seq的机制原理　163
9.3.2　实践　163
9.4　小结　164
9.5　练习题　164
第10章　人工智能开放平台应用　165
10.1　AI开放平台介绍　165
10.2　百度AI开放平台应用　166
10.2.1　百度AI开放平台介绍　166
10.2.2　基于百度AI开放平台的图像识别　166
10.2.3　基于百度AI开放平台的语音识别　170
10.2.4　基于百度AI开放平台的人脸识别　172
10.3　更多AI开放平台实践　175
10.3.1　腾讯AI开放平台　175
10.3.2　阿里AI开放平台　175
10.3.3　京东AI开放平台　176
10.3.4　小爱AI开放平台　176
10.3.5　讯飞AI开放平台　177
10.4　小结　177
10.5　练习题　177
第11章　综合实训案例解析　178
11.1　基于机械臂的工业分拣系统　178
11.1.1　项目概要　178
11.1.2　项目设计　179
11.1.3　项目实现　186
11.2　小结　193
11.3　练习题　193