本书内容包括人工智能概述、人工智能通用技术（计算机视觉、智能语音、自然语言处理等）、人工智能典型应用场景与职业发展、机器学习与深度学习、人工智能法律与伦理，并围绕迎宾机器人的典型应用开发了相关项目。在内容的选取上，本书突出人工智能主流技术和典型案例，覆盖了目前市场上最常见的人工智能技术及应用。
编者仔细研究了国内15家国家级新一代人工智能开放创新平台的接口，归纳相关平台的共性内容，选取图像、语音、自然语言处理、智能问答等方面的人工智能通用技能，并针对这些人工智能通用技能安排了相应的实训。编者通过调研了解学生对人工智能的关切点，并精心设计适用于非专业学生的人工智能体验式实验，借助人工智能开放创新平台上的API（应用程序接口），让学生对人工智能应用有直观的体验。本书中的程序均在Python 3环境中进行了验证，学生可以通过扫描二维码观看相应的操作视频。另外，本书精选人工智能行业典型应用，为学生的专业规划打开视野。
本书是面向高职及继续教育理工类专业的专业基础课教材，同时也可以作为中职、高职及继续教育各专业人工智能通识课程的教材，或者作为人工智能爱好者的启蒙资料。

绪论
单元1 初识人工智能
1.1 人工智能的概念
1.1.1 人工智能的定义
1.1.2 图灵测试
1.1.3 人工智能能力分类
1.2 人工智能的发展历程
1.2.1 人工智能发展的3次浪潮
1.2.2 人工智能的未来
1.3 人工智能的典型应用
1.3.1 人工智能在各行业中的典型应用
1.3.2 人工智能在各行业中的基础
1.4 人工智能开发准备
1.4.1 国家新一代人工智能开放创新平台
1.4.2 开发环境准备工作
任务1.1 搭建Hello AI开发环境
任务1.2 Python处理JSON格式数据
单元小结
习题1
单元2 计算机视觉技术与应用
2.1 计算机视觉的概念
2.1.1 计算机视觉技术体系
2.1.2 典型案例：车牌识别
2.2 计算机视觉的基本任务
2.2.1 图像分类
2.2.2 目标检测与定位
2.2.3 图像分割
2.3 计算机视觉常见应用
2.3.1 通用图像处理及应用
2.3.2 OCR及其应用
2.3.3 人脸识别及其应用
2.3.4 人体分析及其应用
2.4 机器视觉技术与应用
任务2.1 公司文件文字识别
任务2.2 公司会展人流量统计
单元小结
习题2
单元3 智能语音技术与应用
3.1 智能语音处理的概念
3.1.1 语音处理技术体系
3.1.2 典型案例：懂你的智能音箱
3.2 语音处理常用技术
3.2.1 语音合成
3.2.2 语音识别
3.2.3 语音分析
3.2.4 声纹识别
3.2.5 语音增强
3.3 语音处理常见应用
3.3.1 语音识别应用
3.3.2 语音合成应用
3.3.3 离线与在线的概念
任务3.1 基于语音合成的客服回复音频化
任务3.2 基于语音识别的会议录音文本化
单元小结
习题3
单元4 自然语言处理与应用
4.1 自然语言处理的概念
4.1.1 自然语言处理技术体系
4.1.2 典型案例：词云图的生成
4.1.3 自然语言中的歧义难题
4.2 自然语言处理的基本任务
4.2.1 分词
4.2.2 词性标注
4.2.3 命名实体识别
4.2.4 依存句法分析
4.3 自然语言处理的应用
4.3.1 机器翻译
4.3.2 垃圾邮件分类
4.3.3 信息抽取
4.3.4 文本情感分析
4.3.5 智能问答——聊天机器人
4.3.6 个性化推荐
4.4 知识图谱及其应用
4.4.1 知识图谱的概念
4.4.2 知识图谱的应用
任务4.1 用户评价情感分析
任务4.2 用户意图理解
单元小结
习题4
单元5 智能机器人与智能问答
5.1 智能机器人基础知识
5.1.1 智能机器人技术框架
5.1.2 典型案例：“祝融号”火星车
5.1.3 智能机器人的定义
5.1.4 智能机器人的分类
5.2 工业机器人及其应用
5.2.1 工业机器人的概念
5.2.2 工业机器人的应用
5.3 服务机器人及其应用
5.3.1 服务机器人的概念
5.3.2 服务机器人的应用
5.4 无人驾驶汽车
5.4.1 无人驾驶汽车的概念
5.4.2 无人驾驶汽车的分级
任务5.1 智能客服问答系统
任务5.2 基于文件创建自定义问答技能
单元小结
习题5
单元6 人工智能应用与创新
6.1 智能制造领域应用
6.1.1 计算机视觉应用
6.1.2 设备预测性维护
6.2 其他行业应用
6.2.1 AI+机器人
6.2.2 AI+农业
6.2.3 AI+教育
6.2.4 AI+金融
6.2.5 AI+营销
6.3 人工智能与工作岗位
6.3.1 机器人取代部分人类工作
6.3.2 消失与新增的岗位
6.4 专业创新案例
6.4.1 AI+无人机应用创新
6.4.2 学生创新案例
任务6.1 基于EasyDL训练分类模型
任务6.2 训练自定义深度学习模型
单元小结
习题6
单元7 机器学习与模型训练
7.1 机器学习的概念
7.1.1 机器学习技术框架
7.1.2 典型案例：泰坦尼克号乘客生存预测
7.2 机器学习分类
7.2.1 有监督学习
7.2.2 无监督学习
7.2.3 半监督学习
7.2.4 迁移学习
7.2.5 强化学习
7.3 机器学习常用算法
7.3.1 线性回归
7.3.2 支持向量机
7.3.3 决策树
7.3.4 K最近邻
7.3.5 K均值聚类
7.4 机器学习的典型应用
任务7.1 训练回归模型
任务7.2 泰坦尼克号乘客生存预测
单元小结
习题7
单元8 深度学习与模型训练
8.1 深度学习的概念
8.1.1 深度学习算法框架
8.1.2 典型案例：AI绘画
8.2 神经网络
8.2.1 神经元模型
8.2.2 神经网络的发展
8.3 深度学习常用术语
8.3.1 卷积神经网络的概念
8.3.2 卷积神经网络相关术语
8.4 生成对抗网络
8.4.1 生成对抗网络的基本原理
8.4.2 生成对抗网络的应用
任务8.1 深度学习模型调参
任务8.2 手写数字识别
单元小结
习题8
单元9 人工智能法律与伦理
9.1 人