掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數(shù)學世界――探秘歷史名題
-
>
中醫(yī)基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
人工智能基礎(PYTHON實現(xiàn)) 版權信息
- ISBN：9787115662316
- 條形碼：9787115662316 ; 978-7-115-66231-6
- 裝幀：平裝
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人工智能基礎(PYTHON實現(xiàn)) 本書特色
（1）針對財經類高校非計算機類專業(yè)的通識課教材，簡明通俗，易于理解。
（2）注重理論與實踐結合。案例與日常生活相關或與學生專業(yè)相關。
（3）結構清晰，層次分明。邏輯順序和組織清晰，從基礎概念到高級應用，逐步深入。
（4）多領域的綜合實驗設計。涵蓋多個領域的綜合實驗，如Python編程、計算機視覺、智能語音、自然語言處理等人工智能應用，使讀者在實踐中提升綜合應用能力。
人工智能基礎(PYTHON實現(xiàn)) 內容簡介
本書主要介紹了人工智能的基礎知識、人工智能的編程語言（Python）及人工智能領域的核心技術和應用。全書包含理論篇與實驗篇兩部分。理論篇共8章，包括人工智能概述、Python程序設計基礎、Numpy數(shù)值分析庫、Pandas數(shù)據分析庫、計算機視覺技術與應用、智能語音技術與應用、自然語言處理與應用、生成式大模型應用等內容；實驗篇設計了與理論章節(jié)配套的13個實驗項目。 本書以培養(yǎng)讀者人工智能素養(yǎng)、程序設計思維和人工智能基本應用能力為目標，通過理論與實踐相結合的方式，旨在幫助讀者建立起系統(tǒng)的人工智能知識體系，并在實踐中提升其解決實際問題的能力。書中的實驗設計緊密聯(lián)系實際應用，使讀者能夠在學習中體驗到人工智能技術的實際應用價值。
人工智能基礎(PYTHON實現(xiàn)) 目錄
理論篇
第 1章 人工智能概述 1
1.1 人工智能簡介 1
1.1.1 人工智能的定義與核心特征 1
1.1.2 人工智能對人類智能的模擬與超越 2
1.2 人工智能的發(fā)展歷程 3
1.3 人工智能的產業(yè)結構 3
1.4 人工智能的核心技術 4
1.4.1 機器學習 5
1.4.2 知識圖譜 5
1.4.3 自然語言處理 6
1.4.4 計算機視覺 7
1.4.5 人機交互 7
1.5 人工智能的應用領域 8
1.6 人工智能風險 9
1.7 本章小結 10
1.8 習題 11
第 2章 Python程序設計基礎 12
2.1 Python基礎知識 12
2.1.1 Python簡介 12
2.1.2 Python編程環(huán)境 13
2.1.3 Python基本數(shù)據類型 17
2.1.4 Python組合數(shù)據類型 20
2.1.5 內置函數(shù) 27
2.1.6 運算符與表達式 28
2.2 Python程序控制語句 30
2.2.1 條件語句 30
2.2.2 循環(huán)語句 33
2.2.3 可迭代對象的遍歷方法 34
2.2.4 異常處理 36
2.3 函數(shù) 36
2.3.1 函數(shù)定義 36
2.3.2 函數(shù)調用 37
2.3.3 模塊與包的使用 40
2.3.4 第三方庫的安裝與使用 41
2.3.5 文件操作 43
2.4 本章小結 45
2.5 習題 45
第3章 Numpy數(shù)值分析庫 47
3.1 Numpy數(shù)組創(chuàng)建與操作 47
3.1.1 Numpy數(shù)組創(chuàng)建 48
3.1.2 Numpy數(shù)組屬性 49
3.1.3 Numpy數(shù)組基本操作 50
3.1.4 Numpy函數(shù) 51
3.2 Numpy數(shù)據類型 53
3.2.1 Numpy數(shù)據類型概述 53
3.2.2 Numpy數(shù)據類型轉換 54
3.3 Numpy數(shù)組廣播機制 54
3.4 特殊數(shù)值處理 56
3.5 本章小結 56
3.6 習題 56
第4章 Pandas數(shù)據分析庫 58
4.1 Pandas數(shù)據結構的創(chuàng)建與操作 58
4.1.1 序列創(chuàng)建與基本操作 58
4.1.2 數(shù)據框創(chuàng)建與基本操作 61
4.2 數(shù)據選擇與過濾 63
4.2.1 使用選擇器和快速訪問器 63
4.2.2 基于條件的數(shù)據篩選 65
4.2.3多條件聯(lián)合篩選 66
4.3 數(shù)據分組與聚合 66
4.3.1 數(shù)據分組 66
4.3.2 對分組數(shù)據進行聚合操作 67
4.3.3 分組后的數(shù)據轉換 68
4.4 合并和連接 68
4.4.1 數(shù)據框合并 69
4.4.2合并方式 69
4.4.3 數(shù)據框連接 70
4.5 數(shù)據讀取和存儲 70
4.5.1 讀寫CSV文件 70
4.5.2 讀寫Excel文件 71
4.6 數(shù)據清洗和預處理 72
4.6.1 缺失值檢測與處理 72
4.6.2 異常值檢測與處理 73
4.6.3 重復值檢測與處理 73
4.6.4 數(shù)據類型轉換 74
4.7 時間序列處理 74
4.7.1 時間序列生成與索引設置 75
4.7.2 時間間隔計算與轉換 76
4.7.3時間序列數(shù)據重采樣 77
4.7.4 移動窗口計算 77
4.7.5時間序列數(shù)據分析 78
4.8 本章小結 79
4.9 習題 80
第5章 計算機視覺技術與應用 81
5.1 計算機視覺基礎 81
5.1.1 計算機視覺的概念與發(fā)展歷程 81
5.1.2 計算機視覺處理流程 82
5.1.3 計算機視覺與相關領域的聯(lián)系與區(qū)別 85
5.1.4 應用領域 87
5.2 計算機視覺的基本任務 87
5.2.1 圖像分類 87
5.2.2 目標檢測與定位 88
5.2.3 圖像分割 89
5.3 計算機視覺常見應用 91
5.3.1 圖像技術 91
5.3.2 OCR及其應用 97
5.3.3 人臉識別及其應用 99
5.3.4 人體分析及其應用 102
5.4 計算機視覺技術面臨的挑戰(zhàn)與未來發(fā)展 105
5.4.1 計算機視覺技術面臨的挑戰(zhàn) 105
5.4.2 計算機視覺技術的未來發(fā)展趨勢與展望 106
5.5 本章小結 107
5.6 習題 107
第6章 智能語音處理與應用 110
6.1 智能語音處理概述 110
6.1.1 智能語音處理的概念及其發(fā)展歷程 110
6.1.2 智能語音處理的關鍵環(huán)節(jié) 111
6.1.3 智能語音處理的應用領域 112
6.2 智能語音常用技術 113
6.2.1 語音增強 113
6.2.2 語音識別 114
6.2.3 語音合成 116
6.3 智能語音處理常見應用 117
6.3.1 語音識別應用 117
6.3.2 語音合成應用 119
6.3.3 其他語音拓展應用 120
6.4 智能語音處理面臨的挑戰(zhàn)與未來發(fā)展趨勢 121
6.4.1 智能語音處理面臨的挑戰(zhàn) 121
6.4.2 智能語音處理未來發(fā)展趨勢 122
6.5 本章小結 123
6.6 習題 123
第7 章自然語言處理與應用 126
7.1 自然語言處理概述基礎 126
7.1.1 自然語言處理的概念及其發(fā)展歷程 126
7.1.2 語言學基礎 127
7.1.3 自然語言中的歧義問題 130
7.2 自然語言處理基礎任務 132
7.2.1 文本清洗 132
7.2.2 分詞 133
7.2.3 詞性標注 134
7.2.4 命名實體識別 135
7.2.5 依存句法分析 136
7.3 自然語言處理常見應用 137
7.3.1 語言理解 137
7.3.2 語言生成 146
7.3.3 機器翻譯 148
7.3.4 內容審核 149
7.3.5 個性化推薦 150
7.3.6 智能問答-聊天機器人 152
7.4 自然語言處理技術前沿 153
7.4.1 多模態(tài)融合 153
7.4.2 可解釋性自然語言處理 154
7.4.3 深度學習模型的不斷演進 154
7.5 本章小結 155
7.6 習題 155
第8章 生成式大模型應用 158
8.1 生成式大模型概述 158
8.1.1生成式大模型簡介 158
8.1.2 國外主流生成式大模型介紹 159
8.1.3 國內主要生成式大模型介紹 160
8.2 文心一言在學習方面的應用 163
8.3 文心一言在工作方面的應用 164
8.4 文心一言在生活娛樂方面的應用 166
8.5 文小言App 169
8.6 本章小結 170
8.7 習題 170
實驗篇
實驗1 Python程序設計基礎實驗 172
實驗2 Numpy數(shù)值分析庫實驗 176
實驗3 Pandas數(shù)據分析庫實驗 178
實驗4 百度人工智能能力應用體驗 181
實驗5 基于百度AI開放平臺的文字識別應用開發(fā) 184
實驗6 基于百度AI開放平臺的人臉識別考勤應用開發(fā) 192
實驗7 智能語音應用體驗 201
實驗8 FAQ自動化交互問答系統(tǒng)開發(fā) 204
實驗9 基于百度AI開放平臺的錄音轉寫應用開發(fā) 211
實驗10 基于百度AI開放平臺的自然語言處理體驗與應用開發(fā) 218
實驗11 電商用戶評論的情感傾向分析 223
實驗12 基于文心一言的學習效率提升實驗 232
實驗13 基于文心一言的工作與生活娛樂場景應用實驗 237
參考文獻 246
第 1章 人工智能概述 1
1.1 人工智能簡介 1
1.1.1 人工智能的定義與核心特征 1
1.1.2 人工智能對人類智能的模擬與超越 2
1.2 人工智能的發(fā)展歷程 3
1.3 人工智能的產業(yè)結構 3
1.4 人工智能的核心技術 4
1.4.1 機器學習 5
1.4.2 知識圖譜 5
1.4.3 自然語言處理 6
1.4.4 計算機視覺 7
1.4.5 人機交互 7
1.5 人工智能的應用領域 8
1.6 人工智能風險 9
1.7 本章小結 10
1.8 習題 11
第 2章 Python程序設計基礎 12
2.1 Python基礎知識 12
2.1.1 Python簡介 12
2.1.2 Python編程環(huán)境 13
2.1.3 Python基本數(shù)據類型 17
2.1.4 Python組合數(shù)據類型 20
2.1.5 內置函數(shù) 27
2.1.6 運算符與表達式 28
2.2 Python程序控制語句 30
2.2.1 條件語句 30
2.2.2 循環(huán)語句 33
2.2.3 可迭代對象的遍歷方法 34
2.2.4 異常處理 36
2.3 函數(shù) 36
2.3.1 函數(shù)定義 36
2.3.2 函數(shù)調用 37
2.3.3 模塊與包的使用 40
2.3.4 第三方庫的安裝與使用 41
2.3.5 文件操作 43
2.4 本章小結 45
2.5 習題 45
第3章 Numpy數(shù)值分析庫 47
3.1 Numpy數(shù)組創(chuàng)建與操作 47
3.1.1 Numpy數(shù)組創(chuàng)建 48
3.1.2 Numpy數(shù)組屬性 49
3.1.3 Numpy數(shù)組基本操作 50
3.1.4 Numpy函數(shù) 51
3.2 Numpy數(shù)據類型 53
3.2.1 Numpy數(shù)據類型概述 53
3.2.2 Numpy數(shù)據類型轉換 54
3.3 Numpy數(shù)組廣播機制 54
3.4 特殊數(shù)值處理 56
3.5 本章小結 56
3.6 習題 56
第4章 Pandas數(shù)據分析庫 58
4.1 Pandas數(shù)據結構的創(chuàng)建與操作 58
4.1.1 序列創(chuàng)建與基本操作 58
4.1.2 數(shù)據框創(chuàng)建與基本操作 61
4.2 數(shù)據選擇與過濾 63
4.2.1 使用選擇器和快速訪問器 63
4.2.2 基于條件的數(shù)據篩選 65
4.2.3多條件聯(lián)合篩選 66
4.3 數(shù)據分組與聚合 66
4.3.1 數(shù)據分組 66
4.3.2 對分組數(shù)據進行聚合操作 67
4.3.3 分組后的數(shù)據轉換 68
4.4 合并和連接 68
4.4.1 數(shù)據框合并 69
4.4.2合并方式 69
4.4.3 數(shù)據框連接 70
4.5 數(shù)據讀取和存儲 70
4.5.1 讀寫CSV文件 70
4.5.2 讀寫Excel文件 71
4.6 數(shù)據清洗和預處理 72
4.6.1 缺失值檢測與處理 72
4.6.2 異常值檢測與處理 73
4.6.3 重復值檢測與處理 73
4.6.4 數(shù)據類型轉換 74
4.7 時間序列處理 74
4.7.1 時間序列生成與索引設置 75
4.7.2 時間間隔計算與轉換 76
4.7.3時間序列數(shù)據重采樣 77
4.7.4 移動窗口計算 77
4.7.5時間序列數(shù)據分析 78
4.8 本章小結 79
4.9 習題 80
第5章 計算機視覺技術與應用 81
5.1 計算機視覺基礎 81
5.1.1 計算機視覺的概念與發(fā)展歷程 81
5.1.2 計算機視覺處理流程 82
5.1.3 計算機視覺與相關領域的聯(lián)系與區(qū)別 85
5.1.4 應用領域 87
5.2 計算機視覺的基本任務 87
5.2.1 圖像分類 87
5.2.2 目標檢測與定位 88
5.2.3 圖像分割 89
5.3 計算機視覺常見應用 91
5.3.1 圖像技術 91
5.3.2 OCR及其應用 97
5.3.3 人臉識別及其應用 99
5.3.4 人體分析及其應用 102
5.4 計算機視覺技術面臨的挑戰(zhàn)與未來發(fā)展 105
5.4.1 計算機視覺技術面臨的挑戰(zhàn) 105
5.4.2 計算機視覺技術的未來發(fā)展趨勢與展望 106
5.5 本章小結 107
5.6 習題 107
第6章 智能語音處理與應用 110
6.1 智能語音處理概述 110
6.1.1 智能語音處理的概念及其發(fā)展歷程 110
6.1.2 智能語音處理的關鍵環(huán)節(jié) 111
6.1.3 智能語音處理的應用領域 112
6.2 智能語音常用技術 113
6.2.1 語音增強 113
6.2.2 語音識別 114
6.2.3 語音合成 116
6.3 智能語音處理常見應用 117
6.3.1 語音識別應用 117
6.3.2 語音合成應用 119
6.3.3 其他語音拓展應用 120
6.4 智能語音處理面臨的挑戰(zhàn)與未來發(fā)展趨勢 121
6.4.1 智能語音處理面臨的挑戰(zhàn) 121
6.4.2 智能語音處理未來發(fā)展趨勢 122
6.5 本章小結 123
6.6 習題 123
第7 章自然語言處理與應用 126
7.1 自然語言處理概述基礎 126
7.1.1 自然語言處理的概念及其發(fā)展歷程 126
7.1.2 語言學基礎 127
7.1.3 自然語言中的歧義問題 130
7.2 自然語言處理基礎任務 132
7.2.1 文本清洗 132
7.2.2 分詞 133
7.2.3 詞性標注 134
7.2.4 命名實體識別 135
7.2.5 依存句法分析 136
7.3 自然語言處理常見應用 137
7.3.1 語言理解 137
7.3.2 語言生成 146
7.3.3 機器翻譯 148
7.3.4 內容審核 149
7.3.5 個性化推薦 150
7.3.6 智能問答-聊天機器人 152
7.4 自然語言處理技術前沿 153
7.4.1 多模態(tài)融合 153
7.4.2 可解釋性自然語言處理 154
7.4.3 深度學習模型的不斷演進 154
7.5 本章小結 155
7.6 習題 155
第8章 生成式大模型應用 158
8.1 生成式大模型概述 158
8.1.1生成式大模型簡介 158
8.1.2 國外主流生成式大模型介紹 159
8.1.3 國內主要生成式大模型介紹 160
8.2 文心一言在學習方面的應用 163
8.3 文心一言在工作方面的應用 164
8.4 文心一言在生活娛樂方面的應用 166
8.5 文小言App 169
8.6 本章小結 170
8.7 習題 170
實驗篇
實驗1 Python程序設計基礎實驗 172
實驗2 Numpy數(shù)值分析庫實驗 176
實驗3 Pandas數(shù)據分析庫實驗 178
實驗4 百度人工智能能力應用體驗 181
實驗5 基于百度AI開放平臺的文字識別應用開發(fā) 184
實驗6 基于百度AI開放平臺的人臉識別考勤應用開發(fā) 192
實驗7 智能語音應用體驗 201
實驗8 FAQ自動化交互問答系統(tǒng)開發(fā) 204
實驗9 基于百度AI開放平臺的錄音轉寫應用開發(fā) 211
實驗10 基于百度AI開放平臺的自然語言處理體驗與應用開發(fā) 218
實驗11 電商用戶評論的情感傾向分析 223
實驗12 基于文心一言的學習效率提升實驗 232
實驗13 基于文心一言的工作與生活娛樂場景應用實驗 237
參考文獻 246
展開全部
人工智能基礎(PYTHON實現(xiàn)) 作者簡介
李福清，任教于廣東金融學院互聯(lián)網金融與信息工程系。1998年于華南農業(yè)大學獲得學士學位，2004年于華南師范大學獲得碩士學位，2016年于廣東工業(yè)大學獲得博士學位。主講大學計算機、網頁設計、平面動畫制作、管理信息系統(tǒng)等課程。研究方向：專用道設置問題、組合優(yōu)化算法。 吳炎太，廣東金融學院信息學院教授，先后擔任系主任、副院長、院長。2003年畢業(yè)于南京理工大學管理科學與工程專業(yè)，獲得博士學位。自1990年以來，長期從事企業(yè)信息管理與會計信息化的教學及研究工作，主講ERP原理與應用、ERP應用實踐、管理信息系統(tǒng)等課程。主持省級課題5項，參與國家級課題1項，參與省部級課題5項。在《科學學與科學技術管理》、《審計研究》、《商業(yè)研究》等刊物發(fā)表論文30余篇。
書友推薦
- >
月亮虎
- >
經典常談
- >
龍榆生：詞曲概論/大家小書
- >
中國歷史的瞬間
- >
伯納黛特,你要去哪(2021新版)
- >
煙與鏡
- >
詩經-先民的歌唱
- >
推拿
本類暢銷
