本书将围绕人工智能职业标准展开，秉持“以学生为中心—职业标准融入—思政教育融入”的编写理念，通过项目案例激发学生的学习兴趣。本书结合人工智能学科的已有成果及编者的教学实践，以全面、基础、典型、新颖为原则，系统地介绍人工智能的技术基础，包括机器学习、计算机视觉、智能语音、自然语言处理、AIGC等热点及前沿问题。本书以“概述+案例”的模式编写，使教材内容泛而不空，使读者了解和学习人工智能的基础知识和初步技能，建立利用科学方法解决问题的创新思维，以适应教学需求。本书概念清晰，结构合理，叙述简明易懂，适合高职、技师、应用型本科的学生使用。
赖小平，副教授，广东交通职业技术学院信息学院专业带头人。近几年，主持校级项目5项，主持或主要参与省级教科研项目3项。主讲《Java程序设计》、《数据结构与算法》、《人工智能技术导论》、《数据集处理》等专业课程，长期担任教研室管理和教学工作，多次被评为优秀教师，教学效果好。广东省科技局专家库成员、广东省粤科标准化研究院标准化与知识产权教育专家、2015-2016 连续两年聘为全国职业院校技能大赛裁判员，近几年公开发表论文10余篇，主编教材3本，参编教材4本，获软件著作权3项。
第1章 人工智能概述 1
1.1 人工智能简介 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的分类 2
1.1.3 人工智能的起源和发展 3
1.1.4 人工智能的应用领域 7
1.2 人工智能技术领域 9
1.2.1 人工智能四要素 10
1.2.2 人工智能技术框架 11
1.2.3 人工智能技术的发展趋势 13
1.3 人工智能的意义及挑战 14
1.3.1 发展人工智能的战略意义 15
1.3.2 人工智能的挑战 16
1.4 人工智能初体验 17
1.4.1 百度EasyDL介绍 17
1.4.2 百度EasyDL应用——猫狗分类 18
1.5 本章总结 31
本章习题 31
第2章 机器学习 33
2.1 机器学习简介 33
2.1.1 机器学习的定义 34
2.1.2 机器学习的发展历程 35
2.1.3 机器学习的应用领域 38
2.2 机器学习进阶 40
2.2.1 机器学习的分类 40
2.2.2 机器学习的基本术语 44
2.2.3 机器学习的流程 47
2.2.4 机器学习的常用算法 48
2.3 深度学习与神经网络 56
2.3.1 深度学习 56
2.3.2 神经网络 59
2.4 机器学习的应用体验 63
2.4.1 线性回归——预测工资 63
2.4.2 逻辑回归——预测期末考试成绩能否及格 65
2.5 本章总结 67
本章习题 68
第3章 计算机视觉 70
3.1 计算机视觉简介 70
3.1.1 计算机视觉的发展历程 70
3.1.2 计算机视觉的实现原理 72
3.1.3 计算机视觉的典型应用 74
3.2 基于深度学习的视觉技术 75
3.2.1 图像分类 75
3.2.2 目标检测 77
3.2.3 图像分割 80
3.2.4 轨迹跟踪 81
3.3 OpenCV的基础 84
3.3.1 OpenCV的安装 85
3.3.2 OpenCV的图像处理 86
3.3.3 OpenCV的视频处理 88
3.4 计算机视觉的应用体验 90
3.4.1 基于OpenCV的人脸识别 90
3.4.2 基于百度EasyDL OCR平台的车牌识别 95
3.5 本章总结 108
本章习题 108
第4章 智能语音 109
4.1 智能语音简介 109
4.2 语音识别 110
4.2.1 语音识别的分类 110
4.2.2 语音识别的发展历程 111
4.2.3 语音识别系统的构成 114
4.2.4 语音识别预处理技术 115
4.2.5 传统的语音识别算法 117
4.2.6 基于神经网络的语音识别算法 119
4.3 语音合成 121
4.3.1 语音合成的分类 121
4.3.2 语音合成的发展历程 123
4.3.3 语音合成系统的构成 126
4.3.4 语音合成的典型方法 126
4.4 智能语音的应用体验 130
4.4.1 文本转换为语音 130
4.4.2 文本转换为语音文件 132
4.5 本章总结 134
本章习题 135
第5章 自然语言处理与AIGC 137
5.1 自然语言处理简介 137
5.1.1 自然语言处理的定义 137
5.1.2 自然语言处理的发展历程 138
5.1.3 自然语言处理的基本任务 139
5.1.4 自然语言处理的流程 147
5.1.5 自然语言处理的应用领域 147
5.2 AIGC简介 150
5.2.1 AIGC的定义 150
5.2.2 AIGC的奥秘 151
5.2.3 AIGC产业生态体系 153
5.2.4 AIGC的典型应用 154
5.3 国内外主流的AI大模型 155
5.3.1 OpenAI的GPT大模型 156
5.3.2 百度的文心大模型 157
5.3.3 科大讯飞的讯飞星火认知大模型 158
5.3.4 阿里云的通义大模型 159
5.4 AIGC的伦理与安全 159
5.4.1 AIGC的社会影响 159
5.4.2 AIGC的伦理与安全问题 160
5.5 AIGC的体验 163
5.5.1 推文的编写 163
5.5.2 AI作画 165
5.6 本章总结 169
本章习题 170
第6章 人工智能应用开发环境及工具 172
6.1 开发环境 172
6.1.1 PyCharm 172
6.1.2 Anaconda 174
6.1.3 Python第三方库的安装 177
6.2 常用开发工具 179
6.2.1 数据采集工具——八爪鱼 179
6.2.2 数据分析和共享工具——Power BI 181
6.2.3 页面设计工具——Qt Designer 183
6.2.4 数据标注工具——LabelImg 187
6.2.5 数据清理工具——OpenRefine 189
6.3 开发工具体验 190
6.3.1 天气预报 190
6.3.2 某购物平台数据采集与分析 195
6.4 本章总结 197
本章习题 198
书单推荐
