本書系統(tǒng)介紹了人工智能的基本原理、方法和技術(shù)，并反映國內(nèi)外研究和應用的最新進展。全書共11章。第1章主要介紹人工智能從業(yè)人員的職業(yè)道德及行業(yè)準則和人工智能視角下的企業(yè)文化和職業(yè)素養(yǎng)。第2章主要介紹人工智能技術(shù)的定義、經(jīng)典問題、發(fā)展史和產(chǎn)品應用等。第3章主要介紹人工智能與大數(shù)據(jù)、數(shù)據(jù)采集與預處理、數(shù)據(jù)可視化。第4章介紹了機器學習的學習類型、分類、常見任務及其應用。第5、6章對神經(jīng)網(wǎng)絡(luò)和深度學習做了引導性綜述，包括圖片識別、BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)。第7章介紹了計算機視覺技術(shù)在圖像分類和人臉識別中的應用。第8章介紹了中文分詞原理和各種模型與算法設(shè)計。第9章對語音與語音識別過程進行了詳細的介紹。第10、11章詳細介紹了人工智能開發(fā)環(huán)境的設(shè)置與機器人的具體實現(xiàn)，以開闊讀者的眼界。
本書內(nèi)容豐富，敘述脈絡(luò)清晰，實用性強，同時配有豐富的習題，可作為高等職業(yè)院校計算機相關(guān)專業(yè)高職�？粕滩�，也可作為人工智能工程技術(shù)人員的培訓教材。
作為計算機科學與技術(shù)的重要研究與應用分支，人工智能（Artificial Intelligence，AI）的發(fā)展幾起幾落，終于迎來了碩果累累的時期。毫無疑問，一如當年的計算機，之后的網(wǎng)絡(luò)與因特網(wǎng)，接著的物聯(lián)網(wǎng)、云計算與大數(shù)據(jù)，今天，人工智能技術(shù)與這些技術(shù)一樣，是每個人必須關(guān)注、學習和重視的知識。
黨的二十大報告指出，推動戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展，構(gòu)建新一代信息技術(shù)、人工智能、生物技術(shù)、新能源、新材料、高端裝備、綠色環(huán)保等一批新的增長引擎。
人工智能技術(shù)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門技術(shù)科學，它試圖了解人類智能的本質(zhì)，并生產(chǎn)出新的能以人類智能相似的方式做出反應的智能機器�？梢韵胂�，未來人工智能技術(shù)帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能技術(shù)不是人的智能，但能像人一樣思考，甚至可能超過人的智能。
人工智能技術(shù)是一門極富挑戰(zhàn)性的科學，包括十分廣泛的知識內(nèi)容。本書編寫的目的是契合當前人工智能技術(shù)的發(fā)展，為人工智能工程技術(shù)人員提供培訓教材。全書主要內(nèi)容包括：緒論、人工智能概述、人工智能與大數(shù)據(jù)、機器學習、神經(jīng)網(wǎng)絡(luò)、深度學習、計算機視覺、自然語言處理、語音與語音識別、人工智能開發(fā)環(huán)境和機器人的實現(xiàn)等。
本書共11章。第1章主要介紹人工智能從業(yè)人員職業(yè)道德及行業(yè)準則，以及人工智能視角下的企業(yè)文化和職業(yè)素養(yǎng)。第２章主要介紹人工智能技術(shù)的定義、經(jīng)典問題、發(fā)展史和產(chǎn)品應用等。第３章主要介紹人工智能與大數(shù)據(jù)、數(shù)據(jù)采集與預處理、數(shù)據(jù)可視化。第４章介紹了機器學習的學習類型、分類、常見任務及其應用。第５章介紹了神經(jīng)網(wǎng)絡(luò)的基本原理、利用神經(jīng)網(wǎng)絡(luò)進行圖片識別、BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類等。第６章從深度學習的基本概念入手，介紹了卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)。第７章介紹了計算機視覺技術(shù)中的圖像分類和人臉識別。第８章主要介紹中文分詞原理和各種模型與算法設(shè)計。第9章介紹了語音與語音識別過程。第10章主要介紹了人工智能開發(fā)環(huán)境的設(shè)置與應用實現(xiàn)。第11章對機器人的具體實現(xiàn)進行了詳細的介紹說明。
本書較為系統(tǒng)、全面地介紹了人工智能技術(shù)的相關(guān)概念與理論，每一章都有相關(guān)思政案例進行導入學習，既簡明扼要地介紹了人工智能相關(guān)算法、深度學習等技術(shù)的分析、研究和開發(fā)，又對從事人工智能系統(tǒng)設(shè)計、優(yōu)化、運維、管理和應用的工程技術(shù)人員進行專業(yè)知識培訓，從而使參加考試者獲得新的職業(yè)工種證書：人工智能工程技術(shù)人員。
本書的編寫和整理工作主要由重慶電子工程職業(yè)學院人工智能技術(shù)教材編寫組和科大訊飛股份有限公司完成，其中鄭孝宗老師和何歡老師為主編，任月輝老師編寫了第１章，劉桐老師和張桂英老師共同編寫了第２章，鄭孝宗老師和余平老師共同編寫了第３章，華成麗老師編寫了第４章，尹寬老師編寫了第５章，陳文杰老師編寫了第６章，趙思雨老師、朱堂勛老師和吳明元老師共同編寫了第７章，周藝老師編寫了第８章，何歡老師編寫了第９章，張浩淼老師編寫了第10章，黃將誠老師和科大訊飛股份有限公司的王碩共同編寫了第11章。同時，鄭孝宗老師和劉桐老師負責全書統(tǒng)籌、修改工作。經(jīng)過近一年的辛苦付出和努力，本書稿終于完成，在此，對全體成員表示衷心的感謝，同時感謝為本書撰寫工作提供寶貴素材的企業(yè)，感謝石玉林等同學對書中案例進行優(yōu)化，還要感謝機械工業(yè)出版社王海霞編輯給予的寶貴意見和指導。
盡管我們盡了最大的努力，但由于水平有限，書中難免存在不妥之處，懇請各界專家和廣大讀者提出寶貴意見，以便在后期改版時修正，也可以通過電子郵件36282156@qq.com與我們聯(lián)系。
編者
前言
第1章緒論
1.1人工智能從業(yè)人員職業(yè)道德及行業(yè)準則
1.1.1職業(yè)道德
1.1.2行業(yè)準則
1.1.3職業(yè)道德挑戰(zhàn)
1.2職業(yè)素養(yǎng)與企業(yè)文化
1.2.1職業(yè)素養(yǎng)
1.2.2企業(yè)文化
1.2.3人工智能視角下的企業(yè)文化和職業(yè)素養(yǎng)
1.3習題與練習
第2章人工智能概述
2.1人工智能的定義
2.1.1智能的定義
2.1.2智能的特征
2.1.3人工智能的定義
2.2人工智能的經(jīng)典問題
2.2.1圖靈測試
2.2.2中文屋子
2.3人工智能的發(fā)展史
2.3.1孕育階段
2.3.2形成階段
2.3.3發(fā)展階段
2.3.4我國人工智能的發(fā)展
2.3.5人工智能的學派
2.4人工智能的應用分支
2.4.1認知
2.4.2機器學習
2.4.3深度學習
2.5人工智能產(chǎn)品應用體系
2.5.1人工智能產(chǎn)品的定義
2.5.2人工智能產(chǎn)品及服務體系
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習題與練習
第3章人工智能與大數(shù)據(jù)
3.1人工智能與大數(shù)據(jù)概述
3.1.1大數(shù)據(jù)產(chǎn)生背景
3.1.2大數(shù)據(jù)的特征
3.1.3大數(shù)據(jù)的精髓
3.1.4了解大數(shù)據(jù)理論
3.1.5大數(shù)據(jù)編程主要工具軟件
3.1.6大數(shù)據(jù)與人工智能的關(guān)系
3.1.7大數(shù)據(jù)與人工智能帶來的社會變革
3.2數(shù)據(jù)采集與預處理
3.2.1數(shù)據(jù)采集的對象
3.2.2數(shù)據(jù)采集簡介
3.2.3大數(shù)據(jù)的預處理
3.3數(shù)據(jù)可視化
3.3.1數(shù)據(jù)可視化簡介
3.3.2數(shù)據(jù)可視化工具
3.3.3數(shù)據(jù)可視化案例
3.4習題與練習
第4章機器學習應用技術(shù)
4.1機器學習簡介
4.1.1機器學習的發(fā)展
4.1.2機器學習的定義
4.2機器學習的學習類型
4.2.1非監(jiān)督學習
4.2.2監(jiān)督學習
4.2.3強化學習
4.3機器學習的分類
4.4機器學習的常見任務及其應用
4.4.1機器學習的常見任務
4.4.2機器學習的應用
4.5習題與練習
第5章神經(jīng)網(wǎng)絡(luò)應用技術(shù)
5.1神經(jīng)網(wǎng)絡(luò)基本原理
5.1.1生物神經(jīng)網(wǎng)絡(luò)
5.1.2人工神經(jīng)網(wǎng)絡(luò)
5.2神經(jīng)網(wǎng)絡(luò)的應用——圖片識別
5.2.1卷積神經(jīng)網(wǎng)絡(luò)
5.2.2手寫數(shù)字識別
5.3BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號分類
5.3.1BP神經(jīng)網(wǎng)絡(luò)
5.3.2語音特征信號識別
5.4RBF網(wǎng)絡(luò)——非線性函數(shù)回歸的實現(xiàn)
5.5習題與練習
第6章深度學習應用技術(shù)
6.1深度學習基本概念
6.1.1深度學習相關(guān)人物介紹
6.1.2為什么需要深度學習
6.1.3深度學習的三大要素
6.2卷積神經(jīng)網(wǎng)絡(luò)
6.2.1卷積神經(jīng)網(wǎng)絡(luò)特性
6.2.2卷積神經(jīng)網(wǎng)絡(luò)核心原理
6.3循環(huán)神經(jīng)網(wǎng)絡(luò)
6.3.1循環(huán)神經(jīng)網(wǎng)絡(luò)的引入
6.3.2循環(huán)神經(jīng)網(wǎng)絡(luò)的歷史
6.3.3循環(huán)神經(jīng)網(wǎng)絡(luò)原理介紹
6.3.4循環(huán)神經(jīng)網(wǎng)絡(luò)示例
6.4深度學習的應用
6.4.1機器博弈
6.4.2自動駕駛
6.4.3智能機器人
6.5習題與練習
第7章計算機視覺技術(shù)
7.1OpenCV的安裝及環(huán)境配置
7.2圖像分類
7.2.1數(shù)字圖像成像原理
7.2.2數(shù)字圖像基礎(chǔ)
7.2.3視頻處理基礎(chǔ)
7.3人臉識別
7.3.1人臉識別基礎(chǔ)
7.3.2人臉識別原理
7.3.3人臉識別項目實戰(zhàn)
7.4習題與練習
第8章自然語言處理
8.1語言的形態(tài)
8.1.1語言的形態(tài)分類
8.1.2自然語言與編程語言
8.2中文分詞原理
8.2.1中文分詞的難點
8.2.2常見中文分詞方法
8.2.3常見中文分詞工具
8.3統(tǒng)計語言模型
8.3.1模型
8.3.2參數(shù)計算
8.4NLP算法設(shè)計
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雙向最大匹配
8.5文本數(shù)據(jù)標注管理與質(zhì)量檢驗
8.5.1數(shù)據(jù)標注管理
8.5.2數(shù)據(jù)標注質(zhì)量檢驗
8.6習題與練習
第9章語音與語音識別
9.1語音中的噪聲
9.1.1語音的特性
9.1.2噪聲的特性
9.1.3語音增強
9.2語音標注規(guī)范
9.3語音標注管理與質(zhì)量檢驗
9.4語音識別過程
9.4.1特征提取
9.4.2聲學模型
9.4.3語言模型
9.4.4字典與解碼
9.5語音識別的相關(guān)算法
9.5.1基于動態(tài)時間規(guī)整的算法
9.5.2基于參數(shù)模型的隱馬爾可夫模型的方法
9.5.3基于非參數(shù)模型的矢量量化（VQ）的方法
9.6語音識別應用場景及產(chǎn)品分類
9.7習題與練習
第10章人工智能開發(fā)環(huán)境
10.1Linux操作系統(tǒng)
10.1.1Linux發(fā)展歷程
10.1.2Linux主要特性
10.1.3安裝Ubuntu 18.04
10.2shell指令
10.2.1什么是shell指令
10.2.2shell的作用詳析
10.2.3常見的shell指令
10.2.4shell指令的應用
10.3Python的安裝與移植
10.3.1Python語言在人工智能中的功能及優(yōu)勢
10.3.2在不同操作系統(tǒng)中如何搭建
Python編程環(huán)境
10.3.3解決安裝問題
10.4習題與練習
第11章機器人的實現(xiàn)
11.1ROS基本原理
11.1.1ROS架構(gòu)設(shè)計
11.1.2計算圖
11.1.3文件系統(tǒng)
11.1.4開源社區(qū)
11.1.5ROS的通信機制
11.2ROS平臺搭建
11.2.1操作系統(tǒng)與ROS版本的選擇
11.2.2配置系統(tǒng)軟件源
11.2.3添加ROS軟件源
11.2.4添加密鑰
11.2.5安裝ROS
11.2.6初始化rosdep
11.2.7設(shè)置環(huán)境變量
11.2.8構(gòu)建工廠依賴
11.2.9完成安裝
11.3ROS機器人運動控制
11.3.1機器人的組成
11.3.2機器人系統(tǒng)搭建
11.3.3硬件平臺
11.3.4控制系統(tǒng)與MRobot通信
11.3.5PC端控制MRobot
11.4ROS機器人的路徑規(guī)劃與導航
11.4.1準備工作
11.4.2gmapping
11.4.3導航功能包
11.5對話機器人分類
11.5.1按技術(shù)實現(xiàn)方式分類
11.5.2按對話領(lǐng)域分類
11.5.3按功能角度分類
11.6對話機器人技術(shù)對比
11.6.1深度學習
11.6.2人工模板
11.6.3檢索技術(shù)
11.7習題與練習
參考文獻
書單推薦
