人工智能基礎及應用（工科通識版）

遲殿委，計算機軟件與理論專業碩士，系統架構設計師、副教授。研究方向為機器學習、數據挖掘。有十多年企業軟件研發和大數據分析實戰經驗及培訓經驗，熟練掌握JavaEE全棧技術框架，對人工智能及大數據分析技術有深刻理解。擅長JavaEE系統架構設計、大數據分析與挖掘。主持省廳級課題4項，參與省級課題6項，發表學術論文40余篇，其中SCI收錄6篇，EI收錄8篇。出版人工智能、軟件開發相關著作6部。

目錄

 

 

第1章人工智能概述1

1.1人工智能簡介1

1.1.1人工智能的背景1

1.1.2人工智能的歷史2

1.1.3人工智能的定義4

1.2人工智能的特征5

1.3人工智能的參考框架6

1.4人工智能的研究內容8

1.4.1研究領域8

1.4.2人工智能的算法及分類9

1.5人工智能的研究方向10

1.5.1知識圖譜10

1.5.2自然語言處理10

1.5.3人機交互13

1.5.4計算機視覺14

第2章Python編程基礎16

2.1Python簡介16

2.1.1什麼是Python16

2.1.2Python語言版本及發展17

2.1.3Python語言的特點17

2.2Python開發環境18

2.2.1安裝Python18

2.2.2使用交互式執行命令18

2.2.3運行代碼文件18

2.2.4使用IDLE編寫代碼20

2.2.5PyCharm開發工具21

2.2.6Python包管理工具25

2.3Python語法基礎26

2.3.1基本語法26

2.3.2基本數據類型27

2.3.3包定義、註釋和縮進35

2.3.4基本輸入和輸出37

2.4Python程序流程結構41

2.4.1程序控制結構41

2.4.2選擇控制結構42

2.4.3循環控制結構45

2.5Python函數48

2.5.1函數定義與調用48

2.5.2變量作用域49

第3章機器學習概論52

3.1機器學習簡介52

3.1.1什麼是機器學習52

3.1.2機器學習的發展史52

3.1.3機器學習分類53

3.2機器學習的基礎理論56

3.2.1機器學習三要素和核心56

3.2.2機器學習開發流程57

3.2.3經典機器學習算法65

3.2.4機器學習常用術語65

3.3Python機器學習庫73

3.3.1Sklearn簡介73

3.3.2Sklearn安裝73

3.3.3Sklearn通用學習模式73

3.3.4Sklearn datasets74

3.3.5Sklearn model的屬性和功能75

3.3.6Sklearn數據預處理76

3.3.7交叉驗證77

3.3.8保存模型79

第4章深度學習概論81

4.1什麼是深度學習81

4.2深度學習開發框架82

4.3TensorFlow框架介紹82

4.4人工智能、機器學習、深度學習的關系84

4.5深度學習的應用領域84

4.5.1計算機視覺: 從感知到理解的跨越84

4.5.2自然語言處理85

第5章神經網絡87

5.1神經網絡簡介87

5.1.1神經網絡理論87

5.1.2發展歷史及現狀88

5.1.3神經網絡的前沿熱點90

5.1.4神經網絡的學習方法91

5.1.5神經網絡的研究趨勢92

5.2感知機93

5.2.1單層感知機93

5.2.2多層感知機94

5.3全連接神經網絡95

5.3.1全連接神經網絡與多層感知機95

5.3.2全連接神經網絡的結構95

5.4BP神經網絡96

5.4.1神經網絡梯度下降法97

5.4.2反向傳播99

5.5卷積神經網絡101

5.5.1什麼是卷積神經網絡101

5.5.2卷積神經網絡基本模型104

5.5.3卷積神經網絡典型應用開發流程105

5.6循環神經網絡簡介106

5.6.1什麼是循環神經網絡106

5.6.2循環神經網絡結構106

5.7生成對抗網絡109

5.8神經網絡實戰111

5.8.1神經網絡典型應用開發流程111

5.8.2基於BP網絡模型的房價預測實戰112

第6章網絡信息采集與處理115

6.1網絡數據采集115

6.2網頁內容解析118

6.3爬蟲應用121

第7章大數據分析與可視化124

7.1數值計算與數組操作模塊124

7.1.1數組創建125

7.1.2數組屬性126

7.1.3數組變換127

7.1.4數組訪問129

7.1.5數組運算130

7.2數據處理與分析模塊133

7.2.1Series133

7.2.2DataFrame136

7.3數據可視化模塊139

7.3.1繪圖配置139

7.3.2繪制曲線圖140

7.3.3繪制散點圖142

第8章數據挖掘技術145

8.1數據挖掘技術概述145

8.1.1數據挖掘產生146

8.1.2數據挖掘的概念146

8.1.3數據挖掘的主要方法146

8.1.4數據挖掘的目的147

8.1.5數據挖掘過程148

8.1.6數據挖掘應用148

8.2關聯規則挖掘149

8.2.1大數據關聯規則挖掘常識149

8.2.2關聯規則挖掘算法: 從數據裏找規律150

第9章人工智能倫理155

9.1人工智能倫理概述155

9.1.1人工智能倫理背景155

9.1.2人工智能倫理與安全的考量156

9.2人工智能倫理實踐與治理157

9.3人工智能倫理實驗160

9.3.1實驗內容與過程160

9.3.2實驗結果與分析160

第10章人工智能研究熱點與發展趨勢162

10.1人工智能研究熱點162

10.1.1技術熱點163

10.1.2應用領域的拓展166

10.2大模型與智能體166

10.2.1大模型: 從技術突破到廣泛應用166

10.2.2智能體: 從感知到行動的智能進化167

10.2.3大模型與智能體的深度融合: 邁向通用智能168

10.2.4大模型未來趨勢與展望: 技術突破與社會影響169

10.3人工智能未來技術發展趨勢169

10.4角色設計師——打造對話型智能體171

10.4.1智能體搭建171

10.4.2結果與分析175

參考文獻176