目前，人工智能技术的发展以机器学习、深度学习技术为主，它能够解决一些传统人工程序无法实现的效果。“人工智能+”更是被寄希望于把人工智能技术应用到各行各业之中。本书不仅包含了机器学习、深度学习的算法，还侧重于人工智能应用软件的开发。书中针对人工智能相关技术和应用设计了项目式教学案例，每章从不同侧面讲述了人工智能应用项目的设计和开发，并把需要的数据处理、机器学习模型训练和推理作为补充知识，以便于读者开展实践实验。
本书可作为高等院校人工智能相关专业的本科生或研究生课程教材，其中涉及的人工智能技术和项目开发技术也可供其他专业教学参考，同时也可供相关领域的工程技术人员阅读。

第1章 绪论
1.1 程序设计
1.2 人工智能应用
1.2.1 人工智能
1.2.2 大数据
1.2.3 机器学习
1.2.4 深度学习
1.2.5 云计算
1.3 人机交互
1.3.1 控制台应用程序
1.3.2 图形用户接口
1.3.3 C／S图形用户接口
1.3.4 B／S图形用户接口
1.3.5 移动端应用
1.3.6 嵌入式系统
1.3.7 智能交互
第2章 自由复述生成系统
2.1 项目分析和设计
2.1.1 需求分析
2.1.2 可行性分析
2.1.3 “自由”的定义
2.1.4 系统设计
2.2 基础知识补充
2.2.1 循环神经网络
2.2.2 I、]控循环神经网络
2.2.3 编码器一解码器框架
2.2.4 推理策略
2.2.5 注意力机制及Transformer模型
2.2.6 多样化生成方法
2.3 数据分析和处理
2.4 项目实现
2.4.1 项目平台
2.4.2 模型结构
2.4.3 训练方法
2.4.4 推理方法
2.5 性能分析
2.5.1 复述评价方法
2.5.2 实验结果
第3章 基于大数据的电影推荐
3.1 项目分析和设计
3.1.1 需求分析
3.1.2 总体设计
3.2 大数据基础
3.2.1 大数据应用
3.2.2 大数据并行处理平台
3.3 推荐算法基础
3.4 项目的Python语言实现
3.5 项目的Spark平台实现
第4章 旋律的自动伴奏生成
4.1 项目分析和设计
4.1.1 需求分析
4.1.2 系统设计
4.2 基础知识补充
4.2.1 音乐基础
4.2.2 隐马尔可夫模型和维特比算法
4.2.3 网络通信
4.3 数据分析和处理
4.3.1 数据处理
4.3.2 数据验证
4.4 项目实现
4.4.1 项目平台
4.4.2 应用界面设计
4.4.3 旋律模块设计
4.4.4 服务器与接口设计
4.4.5 和弦模块设计
4.4.6 伴奏模块设计
4.5 性能评估和模型拓展
第5章 抬头率检测系统
5.1 项目分析和设计
5.1.1 项目分析
5.1.2 系统设计
5.1.3 接口设计
5.2 基础知识补充
5.2.1 MySQL数据库
5.2.2 Tkinter
5.2.3 卷积神经网络
5.3 数据分析和处理
5.3.1 数据形式
5.3.2 获取教室名称与课时名称
5.3.3 获取图片并展示
5.4 项目实现
5.4.1 项目平台
5.4.2 项目整体思路
5.4.3 各模块实现
5.5 人脸检测算法实现
5.5.1 P-Net
5.5.2 R-Net
5.5.3 O-Net
5.6 性能评估和模型拓展
5.6.1 性能评估
5.6.2 模型拓展
第6章 智能音乐播放系统
6.1 项目分析和设计
6.1.1 需求分析
6.1.2 系统设计
6.2 手势识别基础
6.3 数据分析和处理
6.3.1 语音识别相关数据构建
6.3.2 PyQt5组件与后台数据交互
6.4 项目实现
6.4.1 手势识别模块设计
6.4.2 语音识别模块设计
6.4.3 PyQt5界面设计
6.5 性能评估和模型拓展
第7章 智能证件照生成系统
7.1 基础知识补充
7.1.1 计算机视觉
7.1.2 图像分割
7.1.3 PyQt5
7.1.4 Flask
7.1.5 HTTP协议
7.2 项目分析和设计
7.2.1 需求分析
7.2.2 系统设计
7.3 数据分析
7.4 项目实现
7.4.1 项目平台
7.4.2 图像分割模型实现
7.4.3 数据载入模块
7.4.4 模型测试模块
7.4.5 背景上色和图片尺寸调整模块
7.4.6 Flask模块
7.4.7 PyQt5前端交互模块
7.5 项目总结
第8章 基于知识图谱的医药问答系统
8.1 项目分析和设计
8.1.1 需求分析
8.1.2 系统设计
8.2 基础知识补充
8.2.1 SQL语句
8.2.2 Neo4j
8.2.3 知识图谱
8.2.4 问答系统
8.2.5 AC自动机
8.2.6 Flask框架和MVC模式
8.2.7 Vue
8.3 数据分析和处理
8.3.1 设计实体、关系、属性类型
8.3.2 读取数据
8.3.3 数据导入Neo4i
8.4 问答系统实现
8.4.1 项目平台
8.4.2 问答模块设计
8.4.3 交互界面设计
8.5 性能评估和模型拓展
第9章 基于ModelArts的命名实体识别
9.1 项目分析和设计
9.1.1 需求分析
9.2 基础知识补充
9.2.1 CRF
9.2.2 BiLSTM
9.2.3 ModelArts
9.3 数据处理
9.4 算法实现
9.5 应用部署
9.5.1 开发环境的创建与调测
9.5.2 云平台模型训练
9.5.3 模型管理和部署
9.6 应用推理
第10章 金融事件因果关系抽取
10.1 项目分析和设计
10.1.1 需求分析
10.1.2 算法接口设计
10.2 基础知识补充
10.2.1 词嵌入模型
10.2.2 预训练模型
10.2.3 因果关系抽取方法
10.2.4 序列标注
10.2.5 条件随机场
10.3 数据分析和处理
10.3.1 输入输出格式