"在人工智能与各行各业深度融合的背景下，大学计算机公共课内涵和内容亟待变革。
课题组开始探索和实践人工智能背景下大学计算机公共课的全面转型，针对大学生的特点，
实现人工智能教育在大学计算机公共课的落地，特编辑《人工智能应用基础》。"

本书的内容包括初识人工智能、机器学习、深度神经网络、知识图谱及应用、智能语言技术及应用、自然语言处理及应用、计算机视觉技术及应用、智能机器人、大数据与商业智能、人工智能之Python基础、人工智能展望等。书中介绍了人工智能的相关知识，并通过案例实现、应用场景、课后习题等内容加深学生对知识点的理解，真正做到理论与实践相结合。本书可作为大学计算机的公共课教材，也可供相关专业技术人员参考。

第1章初识人工智能.1
1.1无处不在的人工智能1
1.1.1科幻片中描绘的人工智能.1
1.1.2人工智能的发展现状.4
1.2人工智能追根溯源16
1.2.1人工智能的由来.16
1.2.2人工智能的基本概念.17
1.2.3人工智能的发展历程.20
1.3人工智能云应用场景23
1.3.1什么是人工智能云服务.23
1.3.2为什么人工智能需要迁移到云端.24
1.3.3人工智能云服务的类型.24
1.3.4体验人工智能云应用.24
1.4未来发展趋势27
本章小结.29
第2章机器学习32
2.1认识机器学习33
2.1.1机器学习的定义.33
2.1.2机器学习算法的分类.35
2.1.3机器学习发展历程.38
2.1.4机器学习的技术原理.39
2.2机器学习常用算法42
2.2.1线性回归.42
2.2.2支持向量机.44
2.2.3决策树.45
2.2.4K-近邻算法.46
2.2.5朴素贝叶斯算法.47
2.2.6K均值聚类算法.48
2.3监督学习案例：计算机学习计算平均分49
2.4无监督学习案例：K平均聚类算法实现51
2.5应用场景55
2.6未来展望56
本章小结.57
课后习题.57
第3章深度神经网络.58
3.1神经网络简介59
3.1.1神经元结构.59
3.1.2感知机概述.60
3.1.3神经网络结构.64
3.2深度学习简介66
3.2.1深度神经网络.67
3.2.2卷积神经网络及原理.68
3.2.3经典深度学习模型.72
3.3主流深度学习框架及使用74
3.3.1TensorFlow简介.74
3.3.2PyTorch简介75
3.3.3Caffe简介.76
3.3.4PaddlePaddle简介76
3.3.5TensorFlow的使用.77
3.4应用场景79
3.4.1人工神经网络在信息领域中的应用.79
3.4.2人工神经网络在医学中的应用.80
3.4.3人工神经网络在经济领域的应用.81
3.4.4人工神经网络在交通领域的应用.82
3.4.5人工神经网络在心理学领域的应用.82
本章小结.83
第4章知识图谱及应用.84
4.1知识图谱的概念85
4.1.1知识图谱的定义.85
4.1.2知识图谱的表示.85
4.1.3知识图谱技术的发展历程.86
4.2知识图谱的特点88
4.3知识图谱构建92
4.3.1业务问题定义.92
4.3.2数据的收集与预处理.93
4.3.3知识图谱的设计.94
4.3.4知识图谱的存储.96
4.3.5上层应用开发与系统评估.97
4.4案例实现：客户意图理解101
4.5应用场景105
本章小结.108
课后习题.108
第5章智能语音技术及应用110
5.1语音基本知识111
5.2语音识别112
5.2.1语音识别的概念.112
5.2.2语音识别的工作原理.113
5.2.3语音识别系统的实现.114
5.2.4语音识别的应用.116
5.3语音合成118
5.3.1语音合成的概念.118
5.3.2语音合成的应用.119
5.4声纹识别120
5.4.1什么是声纹.120
5.4.2声纹识别技术.121
5.5案例实现：客服回复音频化122
5.6应用场景126
5.7现状、未来展望128
本章小结.129
课后习题.129
第6章自然语言处理及应用131
6.1智能语音助手131
6.2自然语言处理概述133
6.2.1自然语言处理的发展历程.134
6.2.2自然语言处理的一般流程.135
6.2.3自然语言处理的研究内容.138
6.2.4自然语言处理中的难点.140
6.3案例实现：用户评价情感分析142
6.4应用场景145
6.4.1机器翻译.145
6.4.2垃圾邮件分类.146
6.4.3信息抽取.147
6.4.4文本情感分析.147
6.4.5智能问答.147
6.4.6个性化推荐.148
6.5未来展望149
本章小结.149
课后习题.149
第7章计算机视觉技术及应用.151
7.1计算机视觉基本知识152
7.2人脸识别156
7.2.1人脸识别概念.156
7.2.2人脸识别应用.157
7.3图像识别160
7.3.1图像识别基础知识.160
7.3.2图像识别与深度学习.161
7.3.3图像识别技术的应用.161
7.4文字识别163
7.4.1OCR基本概念163
7.4.2OCR常见应用164
7.5人体分析及应用165
7.6讯飞开放平台使用方法和途径167
7.7案例实现：公司会展人流统计169
7.8应用场景172
7.8.1视频/监控分析172
7.8.2工业视觉检测.173
7.8.3医疗影像诊断.174
本章小结.174
课后习题.174
第8章智能机器人.177
8.1智能机器人概述177
8.1.1智能机器人的定义.178
8.1.2智能机器人的分类.179
8.1.3智能机器人关键技术.183
8.2服务机器人187
8.2.1服务机器人的概念.187
8.2.2服务机器人的应用.188
8.3无人车192
8.4案例实现：智能问答系统194
8.5应用场景198
本章小结.201
课后习题.201
第9章大数据与商业智能203
9.1大数据204
9.1.1大数据是什么.204
9.1.2大数据技术体系.205
9.1.3大数据技术.206
9.1.4大数据与人工智能的关系.210
9.2商业智能211
9.3案例实现：销售数据分析213
9.3.1提出问题.213
9.3.2解决方案.213
9.3.3预备知识.214
9.3.4任务1――导入数据、设置格式215
9.3.5任务2――建立数据模型218
9.3.6任务3――新建列和新建度量值219
9.3.7任务4――数据可视化221
9.3.8任务5――制作交互式可视化面板223
9.3.9任务6――数据分析228
9.4应用场景234
9.4.1尿布与啤酒.234
9.4.2数据新闻让英国撤军.234
9.4.3微软大数据成功预测奥斯卡21项大奖.235
9.4.4Google成功预测冬季流感235
本章小结.235
课后习题.235
第10章人工智能之Python基础238
10.1Python概述.239
10.1.1了解Python.239
10.1.2Python的版本.240
10.2搭建Python开发环境.243
10.2.1Python开发环境概述.243
10.2.2安装Python.244
10.2.3第一个Python程序250
10.3Python开发工具252
10.3.1使用自带的IDLE.252
10.3.2常用的第三方开发工具.255
10.4案例：跳水比赛打分程序257
10.4.1提出问题.257
10.4.2解决方案.257
10.4.3预备知识.258
10.4.4任务1――生成选手的10个分数265
10.4.5任务2――得到选手的8个有效分266
10.4.6任务3――计算选手的平均分和最后得分267
10.4.7任务4――将选手的得分写入Excel文件.268
10.4.8任务5――将所有选手的得分写入二维列表269
10.4.9任务6――将所有选手的信息写入二维列表271
10.4.10任务7――将所有选手的得分排序后写入Excel文件.272
10.5应用场景273
10.5.1Python的应用场景.273
10.5.2Python的应用方向.274
本章小结.276
课后习题.277
第11章人工智能展望.278
11.1智能时代的到来279
11.1.1人工智能的发展方向.279
11.1.2人工智能发展态势与思考.280
11.2智能时代对道德与法律的影响282
11.2.1智能机器的道德主体地位的思考.282
11.2.2人工智能发展引发情感伦理问题.283
11.2.3人工智能引发新的社会安全和公平正义问题.284
11.2.4智能时代的数字鸿沟.284
11.2.5人工智能与法律.285
11.3智能时代背景下的职业规划面临的机遇与挑战287
11.3.1人工智能背景下职业规划面临的机遇.287
11.3.2人工智能背景下职业规划面临的挑战.289
本章小结.293
课后习题.293
附录294
附录A准备人工智能开发环境.294
附录B注册成为AI开放平台开发者.296
附录C利用FFmpeg软件进行音频格式转换297
附录DTensorFlow框架的安装配置.300
附录E智能对话系统设计与实施.302
附录F第一批AI国家开放创新平台功能.305
参考文献.310