人工智能技术（配套资源有：二维码） / 高等职业教育系列教材
￥59.00定价
作者： 郑孝宗，何欢主编
出版时间：2023-09
出版社：机械工业出版社
- 机械工业出版社
- 9787111724711
- 1-1
- 504046
- 平装
- 16开
- 2023-09
- 358
- 人工智能技术应用
- 高职
内容简介
本书系统介绍了人工智能的基本原理、方法和技术，并反映国内外研究和应用的最新进展。全书共11章。第1章主要介绍人工智能从业人员的职业道德及行业准则和人工智能视角下的企业文化和职业素养。第2章主要介绍人工智能技术的定义、经典问题、发展史和产品应用等。第3章主要介绍人工智能与大数据、数据采集与预处理、数据可视化。第4章介绍了机器学习的学习类型、分类、常见任务及其应用。第5、6章对神经网络和深度学习做了引导性综述，包括图片识别、BP神经网络的数据分类、卷积神经网络、循环神经网络。第7章介绍了计算机视觉技术在图像分类和人脸识别中的应用。第8章介绍了中文分词原理和各种模型与算法设计。第9章对语音与语音识别过程进行了详细的介绍。第10、11章详细介绍了人工智能开发环境的设置与机器人的具体实现，以开阔读者的眼界。
本书内容丰富，叙述脉络清晰，实用性强，同时配有丰富的习题，可作为高等职业院校计算机相关专业高职专科生教材，也可作为人工智能工程技术人员的培训教材。
本书内容丰富，叙述脉络清晰，实用性强，同时配有丰富的习题，可作为高等职业院校计算机相关专业高职专科生教材，也可作为人工智能工程技术人员的培训教材。
目录
前言
第1章绪论
1.1人工智能从业人员职业道德及行业准则
1.1.1职业道德
1.1.2行业准则
1.1.3职业道德挑战
1.2职业素养与企业文化
1.2.1职业素养
1.2.2企业文化
1.2.3人工智能视角下的企业文化和职业素养
1.3习题与练习
第2章人工智能概述
2.1人工智能的定义
2.1.1智能的定义
2.1.2智能的特征
2.1.3人工智能的定义
2.2人工智能的经典问题
2.2.1图灵测试
2.2.2中文屋子
2.3人工智能的发展史
2.3.1孕育阶段
2.3.2形成阶段
2.3.3发展阶段
2.3.4我国人工智能的发展
2.3.5人工智能的学派
2.4人工智能的应用分支
2.4.1认知
2.4.2机器学习
2.4.3深度学习
2.5人工智能产品应用体系
2.5.1人工智能产品的定义
2.5.2人工智能产品及服务体系
2.5.3智能金融
2.5.4智慧城市
2.5.5智慧交通
2.5.6智能制造
2.5.7智能家居
2.6习题与练习
第3章人工智能与大数据
3.1人工智能与大数据概述
3.1.1大数据产生背景
3.1.2大数据的特征
3.1.3大数据的精髓
3.1.4了解大数据理论
3.1.5大数据编程主要工具软件
3.1.6大数据与人工智能的关系
3.1.7大数据与人工智能带来的社会变革
3.2数据采集与预处理
3.2.1数据采集的对象
3.2.2数据采集简介
3.2.3大数据的预处理
3.3数据可视化
3.3.1数据可视化简介
3.3.2数据可视化工具
3.3.3数据可视化案例
3.4习题与练习
第4章机器学习应用技术
4.1机器学习简介
4.1.1机器学习的发展
4.1.2机器学习的定义
4.2机器学习的学习类型
4.2.1非监督学习
4.2.2监督学习
4.2.3强化学习
4.3机器学习的分类
4.4机器学习的常见任务及其应用
4.4.1机器学习的常见任务
4.4.2机器学习的应用
4.5习题与练习
第5章神经网络应用技术
5.1神经网络基本原理
5.1.1生物神经网络
5.1.2人工神经网络
5.2神经网络的应用——图片识别
5.2.1卷积神经网络
5.2.2手写数字识别
5.3BP神经网络的数据分类——语音特征信号分类
5.3.1BP神经网络
5.3.2语音特征信号识别
5.4RBF网络——非线性函数回归的实现
5.5习题与练习
第6章深度学习应用技术
6.1深度学习基本概念
6.1.1深度学习相关人物介绍
6.1.2为什么需要深度学习
6.1.3深度学习的三大要素
6.2卷积神经网络
6.2.1卷积神经网络特性
6.2.2卷积神经网络核心原理
6.3循环神经网络
6.3.1循环神经网络的引入
6.3.2循环神经网络的历史
6.3.3循环神经网络原理介绍
6.3.4循环神经网络示例
6.4深度学习的应用
6.4.1机器博弈
6.4.2自动驾驶
6.4.3智能机器人
6.5习题与练习
第7章计算机视觉技术
7.1OpenCV的安装及环境配置
7.2图像分类
7.2.1数字图像成像原理
7.2.2数字图像基础
7.2.3视频处理基础
7.3人脸识别
7.3.1人脸识别基础
7.3.2人脸识别原理
7.3.3人脸识别项目实战
7.4习题与练习
第8章自然语言处理
8.1语言的形态
8.1.1语言的形态分类
8.1.2自然语言与编程语言
8.2中文分词原理
8.2.1中文分词的难点
8.2.2常见中文分词方法
8.2.3常见中文分词工具
8.3统计语言模型
8.3.1模型
8.3.2参数计算
8.4NLP算法设计
8.4.1切分算法
8.4.2正向最大匹配
8.4.3逆向最大匹配
8.4.4双向最大匹配
8.5文本数据标注管理与质量检验
8.5.1数据标注管理
8.5.2数据标注质量检验
8.6习题与练习
第9章语音与语音识别
9.1语音中的噪声
9.1.1语音的特性
9.1.2噪声的特性
9.1.3语音增强
9.2语音标注规范
9.3语音标注管理与质量检验
9.4语音识别过程
9.4.1特征提取
9.4.2声学模型
9.4.3语言模型
9.4.4字典与解码
9.5语音识别的相关算法
9.5.1基于动态时间规整的算法
9.5.2基于参数模型的隐马尔可夫模型的方法
9.5.3基于非参数模型的矢量量化（VQ）的方法
9.6语音识别应用场景及产品分类
9.7习题与练习
第10章人工智能开发环境
10.1Linux操作系统
10.1.1Linux发展历程
10.1.2Linux主要特性
10.1.3安装Ubuntu 18.04
10.2shell指令
10.2.1什么是shell指令
10.2.2shell的作用详析
10.2.3常见的shell指令
10.2.4shell指令的应用
10.3Python的安装与移植
10.3.1Python语言在人工智能中的功能及优势
10.3.2在不同操作系统中如何搭建
Python编程环境
10.3.3解决安装问题
10.4习题与练习
第11章机器人的实现
11.1ROS基本原理
11.1.1ROS架构设计
11.1.2计算图
11.1.3文件系统
11.1.4开源社区
11.1.5ROS的通信机制
11.2ROS平台搭建
11.2.1操作系统与ROS版本的选择
11.2.2配置系统软件源
11.2.3添加ROS软件源
11.2.4添加密钥
11.2.5安装ROS
11.2.6初始化rosdep
11.2.7设置环境变量
11.2.8构建工厂依赖
11.2.9完成安装
11.3ROS机器人运动控制
11.3.1机器人的组成
11.3.2机器人系统搭建
11.3.3硬件平台
11.3.4控制系统与MRobot通信
11.3.5PC端控制MRobot
11.4ROS机器人的路径规划与导航
11.4.1准备工作
11.4.2gmapping
11.4.3导航功能包
11.5对话机器人分类
11.5.1按技术实现方式分类
11.5.2按对话领域分类
11.5.3按功能角度分类
11.6对话机器人技术对比
11.6.1深度学习
11.6.2人工模板
11.6.3检索技术
11.7习题与练习
参考文献
第1章绪论
1.1人工智能从业人员职业道德及行业准则
1.1.1职业道德
1.1.2行业准则
1.1.3职业道德挑战
1.2职业素养与企业文化
1.2.1职业素养
1.2.2企业文化
1.2.3人工智能视角下的企业文化和职业素养
1.3习题与练习
第2章人工智能概述
2.1人工智能的定义
2.1.1智能的定义
2.1.2智能的特征
2.1.3人工智能的定义
2.2人工智能的经典问题
2.2.1图灵测试
2.2.2中文屋子
2.3人工智能的发展史
2.3.1孕育阶段
2.3.2形成阶段
2.3.3发展阶段
2.3.4我国人工智能的发展
2.3.5人工智能的学派
2.4人工智能的应用分支
2.4.1认知
2.4.2机器学习
2.4.3深度学习
2.5人工智能产品应用体系
2.5.1人工智能产品的定义
2.5.2人工智能产品及服务体系
2.5.3智能金融
2.5.4智慧城市
2.5.5智慧交通
2.5.6智能制造
2.5.7智能家居
2.6习题与练习
第3章人工智能与大数据
3.1人工智能与大数据概述
3.1.1大数据产生背景
3.1.2大数据的特征
3.1.3大数据的精髓
3.1.4了解大数据理论
3.1.5大数据编程主要工具软件
3.1.6大数据与人工智能的关系
3.1.7大数据与人工智能带来的社会变革
3.2数据采集与预处理
3.2.1数据采集的对象
3.2.2数据采集简介
3.2.3大数据的预处理
3.3数据可视化
3.3.1数据可视化简介
3.3.2数据可视化工具
3.3.3数据可视化案例
3.4习题与练习
第4章机器学习应用技术
4.1机器学习简介
4.1.1机器学习的发展
4.1.2机器学习的定义
4.2机器学习的学习类型
4.2.1非监督学习
4.2.2监督学习
4.2.3强化学习
4.3机器学习的分类
4.4机器学习的常见任务及其应用
4.4.1机器学习的常见任务
4.4.2机器学习的应用
4.5习题与练习
第5章神经网络应用技术
5.1神经网络基本原理
5.1.1生物神经网络
5.1.2人工神经网络
5.2神经网络的应用——图片识别
5.2.1卷积神经网络
5.2.2手写数字识别
5.3BP神经网络的数据分类——语音特征信号分类
5.3.1BP神经网络
5.3.2语音特征信号识别
5.4RBF网络——非线性函数回归的实现
5.5习题与练习
第6章深度学习应用技术
6.1深度学习基本概念
6.1.1深度学习相关人物介绍
6.1.2为什么需要深度学习
6.1.3深度学习的三大要素
6.2卷积神经网络
6.2.1卷积神经网络特性
6.2.2卷积神经网络核心原理
6.3循环神经网络
6.3.1循环神经网络的引入
6.3.2循环神经网络的历史
6.3.3循环神经网络原理介绍
6.3.4循环神经网络示例
6.4深度学习的应用
6.4.1机器博弈
6.4.2自动驾驶
6.4.3智能机器人
6.5习题与练习
第7章计算机视觉技术
7.1OpenCV的安装及环境配置
7.2图像分类
7.2.1数字图像成像原理
7.2.2数字图像基础
7.2.3视频处理基础
7.3人脸识别
7.3.1人脸识别基础
7.3.2人脸识别原理
7.3.3人脸识别项目实战
7.4习题与练习
第8章自然语言处理
8.1语言的形态
8.1.1语言的形态分类
8.1.2自然语言与编程语言
8.2中文分词原理
8.2.1中文分词的难点
8.2.2常见中文分词方法
8.2.3常见中文分词工具
8.3统计语言模型
8.3.1模型
8.3.2参数计算
8.4NLP算法设计
8.4.1切分算法
8.4.2正向最大匹配
8.4.3逆向最大匹配
8.4.4双向最大匹配
8.5文本数据标注管理与质量检验
8.5.1数据标注管理
8.5.2数据标注质量检验
8.6习题与练习
第9章语音与语音识别
9.1语音中的噪声
9.1.1语音的特性
9.1.2噪声的特性
9.1.3语音增强
9.2语音标注规范
9.3语音标注管理与质量检验
9.4语音识别过程
9.4.1特征提取
9.4.2声学模型
9.4.3语言模型
9.4.4字典与解码
9.5语音识别的相关算法
9.5.1基于动态时间规整的算法
9.5.2基于参数模型的隐马尔可夫模型的方法
9.5.3基于非参数模型的矢量量化（VQ）的方法
9.6语音识别应用场景及产品分类
9.7习题与练习
第10章人工智能开发环境
10.1Linux操作系统
10.1.1Linux发展历程
10.1.2Linux主要特性
10.1.3安装Ubuntu 18.04
10.2shell指令
10.2.1什么是shell指令
10.2.2shell的作用详析
10.2.3常见的shell指令
10.2.4shell指令的应用
10.3Python的安装与移植
10.3.1Python语言在人工智能中的功能及优势
10.3.2在不同操作系统中如何搭建
Python编程环境
10.3.3解决安装问题
10.4习题与练习
第11章机器人的实现
11.1ROS基本原理
11.1.1ROS架构设计
11.1.2计算图
11.1.3文件系统
11.1.4开源社区
11.1.5ROS的通信机制
11.2ROS平台搭建
11.2.1操作系统与ROS版本的选择
11.2.2配置系统软件源
11.2.3添加ROS软件源
11.2.4添加密钥
11.2.5安装ROS
11.2.6初始化rosdep
11.2.7设置环境变量
11.2.8构建工厂依赖
11.2.9完成安装
11.3ROS机器人运动控制
11.3.1机器人的组成
11.3.2机器人系统搭建
11.3.3硬件平台
11.3.4控制系统与MRobot通信
11.3.5PC端控制MRobot
11.4ROS机器人的路径规划与导航
11.4.1准备工作
11.4.2gmapping
11.4.3导航功能包
11.5对话机器人分类
11.5.1按技术实现方式分类
11.5.2按对话领域分类
11.5.3按功能角度分类
11.6对话机器人技术对比
11.6.1深度学习
11.6.2人工模板
11.6.3检索技术
11.7习题与练习
参考文献
