本书以优化知识结构、培养解决问题的能力为出发点，以实施素质教育、培养学生具有新一代人工智能应用意识为目标，以培养学生创新精神、创业能力为重点，以企业人才需求构建新的知识体系为主线。全书共16章，分为4篇：科普篇、行业应用篇、理论篇和创新创业篇。以朴素的语言和浅显的例子，用图文并茂的形式，向读者生动展示新一代人工智能的专业知识。
本书可作为普通高校各专业人工智能通识课程教材，也可作为人工智能爱好者参考书籍。
本书配套授课电子课件，需要的教师可登录机械工业出版社教育服务网www.cmpedu.com免费注册后下载，或联系编辑索取（微信：jsj159109385415/电话：010-88379739）。

前言
科普篇
第1章 拥抱人工智能
1.1 人工智能就在你身边
1.2 人工智能发展史
1.2.1 计算驱动
1.2.2 知识驱动
1.2.3 数据驱动
1.3 人工智能内涵与外延
1.4 人工智能再认识
1.4.1 三大流派
1.4.2 三个层次
1.4.3 知识体系
习题1
第2章 新一代人工智能生态
2.1 人工智能赖以生存的土壤——物联网
2.1.1 物联网概念
2.1.2 物联网技术架构
2.1.3 物联网感知层关键技术
2.1.4 可穿戴设备
2.2 人工智能的算力——云计算
2.2.1 云计算概念
2.2.2 “云”服务
2.2.3 云计算核心技术——虚拟化和分布式
2.2.4 “云”分类
2.3 人工智能的血液——大数据
2.3.1 揭秘大数据
2.3.2 数据→价值
2.3.3 大数据思维
2.3.4 Hadoop
2.4 人工智能的安全保障——区块链
2.4.1 从比特币说起
2.4.2 比特币的底层技术
2.4.3 区块链核心技术
2.4.4 区块链应用
2.4.5 区块链与人工智能的结合
2.5 人工智能的编程语言——Python
2.5.1 面向对象编程思想
2.5.2 学习Python的理由
2.5.3 Python的核心语法
2.6 人工智能项目开发框架——PaddlePaddle
2.6.1 PaddlePaddle简介
2.6.2 AIStudio
习题2
行业应用篇
第3章 AI+交通——改变人类的出行方式
3.1 智能汽车时代
3.1.1 智能汽车真的要来了
3.1.2 智能汽车技术原理
3.1.3 SAE分级标准
3.2 智能交通系统
3.2.1 智能交通系统构成
3.2.2 智能交通应用场景
习题3
第4章 AI+电商——精准营销
4.1 人工智能给电商带来的五大改变
4.2 人工智能革新电商的五大趋势
4.3 无人零售
4.4 智慧物流和智慧仓储
习题4
第5章 AI+建筑——让生活舒心随性
5.1 智能建筑
5.1.1 智能建筑组成要素
5.1.2 智能建筑概念
5.2 智能家居
5.2.1 智能家居分类
5.2.2 智能家居技术特点
5.2.3 智能家居产业
5.3 智能厨房
习题5
第6章 AI+教育——因材施教
6.1 教育AI的技术构成
6.2 早教机器人
6.3 人工智能时代的教师职责
6.3.1 提高教学的创新性
6.3.2 增加教学的科技感
习题6
第7章 AI+制造——改变人类的生产方式
7.1 四次工业革命
7.2 未来制造业畅想
7.2.1 工业软件充斥整个制造业
7.2.2 大数据驱动制造业向服务业转型
7.2.3 制造业将成为信息产业的一部分
7.3 机器人
7.3.1 机器人组成
7.3.2 机器人分类
7.4 人工智能给制造业带来的优势
7.5 人工智能在制造业的研究方向
7.5.1 视觉检测
7.5.2 视觉分拣
7.5.3 故障预测
习题7
第8章 AI+医疗——提升人类的健康水平
8.1 人工智能在医疗中的应用
8.1.1 疾病预测
8.1.2 医学影像
8.1.3 辅助诊疗
8.1.4 医院管理
8.1.5 虚拟助理
8.1.6 健康管理
8.1.7 辅助医学研究平台
8.1.8 新药研发
8.2 人工智能在医疗业面临的挑战
习题8
理论篇
第9章 问题求解单元——搜索技术
9.1 盲目搜索
9.1.1 深度优先搜索
9.1.2 宽度优先搜索
9.1.3 回溯搜索
9.2 启发式搜索
9.2.1 A算法或A*算法
9.2.2 模拟退火
9.2.3 遗传算法
习题9
第10章 知识表示单元——知识图谱
10.1 知识图谱演化
10.2 知识图谱基本原理
10.2.1 认知智能是人工智能的高级目标
10.2.2 知识图谱概念
10.2.3 知识图谱模型
10.2.4 知识图谱特点
10.2.5 知识图谱的分类
10.3 知识图谱应用场景
习题10
第11章 知识发现单元——深度学习
11.1 机器学习过程
11.2 机器学习模型
11.3 数据准备
11.3.1 数据集划分
11.3.2 数据标注
11.4 学习方式
11.4.1 有监督学习
11.4.2 无监督学习
11.4.3 概率图模型
11.4.4 集成学习
11.5 模型评估
11.5.1 过拟合和欠拟合
11.5.2 交叉验证
11.5.3 混淆矩阵
11.6 深度学习
11.6.1 从神经网络谈起
11.6.2 人工神经网络
11.6.3 深度学习基本原理
11.6.4 卷积神经网络CNN
11.7 机器学习面临的挑战
习题11
第12章 感知单元——视觉和语音
12.1 计算机视觉基础
12.2 计算机视觉任务
12.2.1 图像分类