人工智能基礎（Python實現）

李福清，任教於廣東金融學院互聯網金融與信息工程系。1998年於華南農業大學獲得學士學位，2004年於華南師範大學獲得碩士學位，2016年於廣東工業大學獲得博士學位。主講大學計算機、網頁設計、平面動畫制作、管理信息系統等課程。研究方向：專用道設置問題、組合優化算法。

吳炎太，廣東金融學院信息學院教授，先後擔任系主任、副院長、院長。2003年畢業於南京理工大學管理科學與工程專業，獲得博士學位。自1990年以來，長期從事企業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》、《商業研究》等刊物發表論文30余篇。

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 人工智能的發展歷程 3

1.3 人工智能的產業結構 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編程環境 13

2.1.3 Python基本數據類型 17

2.1.4 Python組合數據類型 20

2.1.5 內置函數 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 循環語句 33

2.2.3 可疊代對象的遍歷方法 34

2.2.4 異常處理 36

2.3 函數 36

2.3.1 函數定義 36

2.3.2 函數調用 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數值分析庫 47

3.1 Numpy數組創建與操作 47

3.1.1 Numpy數組創建 48

3.1.2 Numpy數組屬性 49

3.1.3 Numpy數組基本操作 50

3.1.4 Numpy函數 51

3.2 Numpy數據類型 53

3.2.1 Numpy數據類型概述 53

3.2.2 Numpy數據類型轉換 54

3.3 Numpy數組廣播機制 54

3.4 特殊數值處理 56

3.5 本章小結 56

3.6 習題 56

第4章 Pandas數據分析庫 58

4.1 Pandas數據結構的創建與操作 58

4.1.1 序列創建與基本操作 58

4.1.2 數據框創建與基本操作 61

4.2 數據選擇與過濾 63

4.2.1 使用選擇器和快速訪問器 63

4.2.2 基於條件的數據篩選 65

4.2.3多條件聯合篩選 66

4.3 數據分組與聚合 66

4.3.1 數據分組 66

4.3.2 對分組數據進行聚合操作 67

4.3.3 分組後的數據轉換 68

4.4 合並和連接 68

4.4.1 數據框合並 69

4.4.2合並方式 69

4.4.3 數據框連接 70

4.5 數據讀取和存儲 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時間序列數據重采樣 77

4.7.4 移動窗口計算 77

4.7.5時間序列數據分析 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系與區別 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與未來發展 105

5.4.1 計算機視覺技術面臨的挑戰 105

5.4.2 計算機視覺技術的未來發展趨勢與展望 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展歷程 110

6.1.2 智能語音處理的關鍵環節 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與未來發展趨勢 121

6.4.1 智能語音處理面臨的挑戰 121

6.4.2 智能語音處理未來發展趨勢 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 詞性標註 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數值分析庫實驗 176

實驗3 Pandas數據分析庫實驗 178

實驗4 百度人工智能能力應用體驗 181

實驗5 基於百度AI開放平臺的文字識別應用開發 184

實驗6 基於百度AI開放平臺的人臉識別考勤應用開發 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開發 204

實驗9 基於百度AI開放平臺的錄音轉寫應用開發 211

實驗10 基於百度AI開放平臺的自然語言處理體驗與應用開發 218

實驗11 電商用戶評論的情感傾向分析 223

實驗12 基於文心一言的學習效率提升實驗 232

實驗13 基於文心一言的工作與生活娛樂場景應用實驗 237

參考文獻 246