本书切入日常工作与生活场景，捕获数据并从中萃取有价值的信息或模式，利用高效可复用的Python代码进行人工智能算法实现及可视化，让读者从中学到一些核心的“人工智能+”应用开发技术，如分类、预测及推荐等。本书通过“原理简述—问题实例—实际代码—运行效果”方式介绍每个人工智能应用的开发方法，使读者能够边学边用，通过代码的实现加深对人工智能算法的理解。
本书可作为高等学校人工智能专业的教材，也可供相关工程技术人员和其他自学者参考。

第1章 绪论
1.1 人工智能发展历程
1.2 “人工智能+”应用的创新
1.3 人工智能应用开发流程
1.4 人工智能开发环境搭建
1.4.1 AI开源算法框架
1.4.2 Python人工智能开发环境部署
1.5 实践作业
参考文献
第2章 巧妇难为无米之炊——数据准备
2.1 开源数据集
2.1.1 计算机视觉相关数据集
2.1.2 计算机听觉相关数据集
2.1.3 自然语言处理相关数据集
2.2 网络数据爬取
2.2.1 通用爬虫与聚焦爬虫
2.2.2 Python爬虫技术解析
2.2.3 数据清洗
2.3 基于爬虫的大数据获取案例
2.3.1 基于爬虫软件的大数据获取
2.3.2 基于Python爬虫技术的侨情数据获取
2.4 实践作业
参考文献
第3章 零基础开发——人工智能定制化训练服务
3.1 人工智能学习模式简介
3.1.1 机器学习范例
3.1.2 监督学习
3.1.3 无监督学习
3.1.4 半监督学习
3.1.5 强化学习
3.1.6 迁移学习
3.2 人工智能定制化训练服务平台
3.2.1 百度人工智能定制平台
3.2.2 图灵机器人平台TuringOS
3.2.3 小i机器人Bot开放平台
3.2.4 思必驰DUI开放平台
3.2.5 华为AI开发平台ModelArts
3.2.6 腾讯云AI平台服务
3.3 百度人工智能定制平台应用开发实例
3.3.1 基于EasyDL平台的图像分类
3.3.2 基于UNIT平台的智能客服机器人构建
3.4 人工智能模型性能评估
3.4.1 通用泛化误差指标的计算
3.4.2 分类模型的评估指标
3.4.3 回归模型的评估指标
3.4.4 学习任务视角下的评估指标
3.5 人工智能产品智商评测
3.5.1 人类智商评测模型
3.5.2 流行的人工智能评测理论
3.5.3 通用人工智能智商评测理论
3.5.4 人工智能等级划分
3.6 实践作业
参考文献
第4章 人工智能关键技术简介
4.1 人工神经网络深度学习
4.1.1 人工神经网络概述
4.1.2 卷积神经网络
4.1.3 循环神经网络
4.2 自然语言处理技术
4.2.1 机器理解自然语言的步骤
4.2.2 机器理解自然语言所需的相关知识
4.3 知识图谱
4.3.1 认知的组织体系
4.3.2 知识图谱的核心概念
4.3.3 知识图谱库的规模
4.3.4 知识图谱的特点
4.3.5 知识图谱的技术体系
4.3.6 知识图谱的知识来源
4.3.7 知识图谱的知识抽取
4.3.8 知识图谱和自然语言处理的关系
4.4 实践作业
参考文献
第5章 智能秘书——任务型机器人
5.1 任务型机器人简介
5.2 任务型对话机器人核心算法
5.2.1 技术框架
5.2.2 槽位填充
5.2.3 对话状态追踪
5.3 基于端到端模型的任务型机器人开发案例
5.3.1 问题描述
5.3.2 项目解析
5.3.3 模型解析
5.3.4 算法实现
5.4 实践作业
参考文献
第6章 一呼即应——语音唤醒
6.1 语音唤醒技术简介
6.2 唤醒词设置
6.2.1 唤醒词的组合方式
6.2.2 唤醒词的语音要素
6.3 语音唤醒模型
6.3.1 基于模板匹配的KWS
6.3.2 基于HMM-GMM的KWS
6.3.3 基于人工神经网络的KWS
6.4 语音唤醒模型部署
6.5 语音唤醒范例
6.5.1 语音信号处理
6.5.2 CNN模型训练
6.5.3 CNN模型测试
6.6 实践作业
参考文献
第7章 文字高手——写作机器人
7.1 写作机器人研究与产业现状
7.1.1 国外写作机器人产品现状
7.1.2 国内写作机器人简介
7.2 写作机器人核心算法
7.2.1 模板式写作
7.2.2 抽取式写作
7.2.3 生成式写作
7.3 写作机器人开发案例
7.3.1 Giiso平台体验
7.3.2 京东“李白写作”体验
7.3.3 基于RNN的唐诗生成
7.3.4 图片描述生成
7.4 实践作业
参考文献
第8章 一秒钟变大师——基于风格迁移的艺术创作
8.1 人工智能绘画发展与现状
8.1.1 传统计算机绘画
8.1.2 基于深度学习的计算机绘画
8.1.3 人工智能绘画相关的比赛
8.2 人工智能绘画范例——风格迁移
8.2.1 算法原理
8.2.2 风格迁移开发案例
8.3 实践作业
参考文献
第9章 无中生有——人工智能数据生成
9.1 生成式对抗网络（GAN）原理
9.1.1 GAN的概念
9.1.2 GAN的原理
9.1.3 GAN模型的改进
9.2 基于GAN的手写数字生成实践
9.3 实践作业
参考文献
第10章 AI带你玩——人工智能在游戏中的应用
10.1 游戏中的AI应用简介
10.1.1 游戏AI的应用模式
10.1.2 AlphGo项目简介
10.1.3 AI生成游戏
10.2 强化学习算法原理
10.2.1 强化学习核心概念
10.2.2 强化学习算法原理
10.3 基于强化学习的AI玩家开发案例
10.4 实践作业
参考文献
第11章 知识将