目录
第1章人工智能导引

1．1什么是人工智能

1．2学习人工智能的目的和意义

1．3人工智能的应用

1．3．1人工智能的行业图谱和行业发展剖析

1．3．2人工智能结合大数据的行业应用案例

1．3．3人工智能在“互联网+”领域的应用

1．3．4人工智能在制造业领域的应用

1．3．5人工智能在金融、消费领域的应用

1．4人工智能的分支

1．4．1人工智能领域的经典问题和求解方式

1．4．2机器学习模型和推理符号模型

1．4．3人工智能和大数据

1．4．4人工智能和机器学习

1．4．5人工智能和深度学习

1．5小结

习题

第2章Python基础

2．1Python的安装

2.1.1Ubuntu下的安装

2．1．2Windows下的安装

2.2编程基础

2．2.1数据类型与变量

2.2.2字符串和编码

2.2.3列表、元组及字典

2.2.4条件判断

2.2.5循环

2.2.6函数的定义与调用

2.3第三方模块的安装与使用

2.4文件读写

2.5NumPy的使用

2.5.1NumPy简介、下载与安装

2.5.2数据类型

2.5.3数组的创建与索引

2.5.4数组的操作

2.5.5函数

2．5．6矩阵库及线性代数

2.6Python绘图基础

2.6.1初级绘制

2.6.2线条的颜色和粗细

2.6.3图例、子图、坐标轴和记号

2.6.4常见的图像形状

2.6.5常见的图像格式

2.6.6图像的基本操作

2．7小结

习题

第3章机器学习初步

3．1机器学习概述

3．2机器学习的分类

3．3数据预处理与特征工程

3．4sklearn库简介

3．5逻辑回归分类

3．6线性回归预测

3．7聚类

3．8小结

习题







第4章自然语言处理

4．1自然语言处理的概念

4．2文本分词与词汇还原

4．2．1文本分词

4．2．2使用stemming还原词汇

4．2．3使用lemmatization还原词汇

4．3文本分块与词袋模型

4．3．1文本分块

4．3．2词袋模型

4．4使用TFIDF算法构建文档类别预测器

4．5案例： 构建语义分析器

4．6基于LDA的主题模型

4．7小结

习题

第5章语音识别

5．1处理语音信号

5．2可视化音频信号

5．3将音频信号从时域转换为频域

5．4生成音频信号

5．5提取语音特征

5．6构建语音识别系统——识别口语词汇

5．7小结

习题

第6章计算机视觉

6．1什么是计算机视觉

6．2OpenCV简介

6．3视频中移动物体检测方法

6．3．1帧间差分法

6．3．2使用色彩空间跟踪对象

6．3．3使用背景差分法跟踪对象

6．4使用CAMShift算法构建目标跟踪器

6．5基于光流的跟踪

6．6Haar级联和积分图

6．6．1使用Haar级联进行对象检测

6．6．2使用积分图进行特征提取

6．7人脸检测和跟踪

6．8小结

习题

第7章人工神经网络

7．1什么是人工神经网络

7．2建立和训练人工神经网络

7．2．1神经元

7．2．2建立人工神经网络

7．2．3训练人工神经网络

7．2．4激活函数

7．3感知器

7．4构建单层人工神经网络和多层人工神经网络

7．4．1前向网络和反馈网络

7．4．2构建单层人工神经网络

7．4．3构建多层人工神经网络

7．5循环人工神经网络

7．6构建光学字符识别引擎

7．7小结

习题

第8章强化学习和深度学习

8．1强化学习的基本概念

8．1．1什么是强化学习

8．1．2强化学习与监督学习的区别

8．1．3强化学习的原理

8．1．4现实中强化学习的实例

8．2强化学习案例——构建智能体

8．3什么是深度学习

8．4卷积神经网络

8．4．1什么是卷积神经网络

8．4．2卷积神经网络的体系结构

8．5使用单层神经网络建立图像分类器

8．6使用卷积神经网络建立图像分类器

8．7小结

习题

第9章区块链

9．1区块链概述

9．1．1区块链的起源与发展

9．1．2区块链的类型与特征

9．1．3区块链架构模型

9．1．4区块链核心技术

9．1．5区块链应用

9．2人工智能与区块链

9．3在区块链过程中使用朴素贝叶斯

9．4案例： 使用朴素贝叶斯优化区块链

9．5小结

习题

第10章人工智能算法

10．1启发式搜索算法

10．2遗传算法

10．2．1遗传算法原理

10．2．2相关生物学术语

10．2．3运算过程

10．2．4案例实现

10．3模拟退火算法

10．3．1模拟退火算法原理

10．3．2模拟退火算法模型

10．3．3参数控制问题

10．3．4案例实现

10．4蚁群算法

10．4．1蚁群算法原理

10．4．2算法流程

10．4．3案例实现

10．5小结

参考文献