人工智能基礎與應用（微課版）
圖書簡介本書涵蓋人工智能概述、Python編程基礎、TensorFlow機器學習框架、機器學習算法、MNIST數據集及神經網絡、TensorFlow高級框架、OpenCV開發與應用等基礎知識，并介紹且搭建了計算機視覺中的手寫數字識別與人臉識別、自然語言處理中的語音識別與智能聊天機器人具體項目，還介紹并實踐了AI開放平臺的接入與使用，最后在綜合實訓案例解析中完成了對所學知識的整合。 本書可作為人工智能、計算機、自動化等專業相關課程的教材，也可作為人工智能開發人員的參考用書。
圖書目錄人工智能基礎與應用（微課版）章節：
第1章 人工智能概述 1
1.1 了解人工智能 1
1.2 了解深度學習 2
1.3 人工智能發展現狀 4
1.4 人工智能機器學習框架 5
1.4.1 機器學習框架簡介 5
1.4.2 TensorFlow 5
1.4.3 PaddlePaddle 7
1.5 怎樣學習人工智能 7
1.6 小結 8
1.7 練習題 8
第2章 Python編程基礎 9
2.1 Python入門 9
2.2 開發環境搭建 10
2.2.1 安裝Python 10
2.2.2 安裝PyCharm 13
2.2.3 體驗PyCharm 17
2.3 基礎語法 21
2.3.1 基本輸入和輸出 21
2.3.2 Python運算符 24
2.3.3 Python數據類型 33
2.3.4 Python語句 38
2.3.5 Python函數 43
2.4 面向對象 44
2.5 第三方庫的使用 45
2.5.1 NumPy 46
2.5.2 Pandas 49
2.5.3 Matplotlib 52
2.6 小結 57
2.7 練習題 57
第3章 TensorFlow機器學習框架 58
3.1 TensorFlow介紹 58
3.1.1 TensorFlow基礎介紹 58
3.1.2 分布式TensorFlow 61
3.2 TensorFlow環境搭建 61
3.2.1 安裝Anaconda 61
3.2.2 使用pip的Windows環境安裝 67
3.2.3 使用pip的Linux環境安裝 68
3.2.4 使用源代碼編譯安裝 68
3.3 TensorFlow計算機加速 68
3.3.1 TensorFlow的使用 68
3.3.2 TensorFlow使用GPU加速 70
3.4 小結 70
3.5 練習題 71
第4章 機器學習算法 72
4.1 線性回歸 72
4.1.1 什么是線性回歸 72
4.1.2 線性回歸例子引入 73
4.1.3 數學方法解決線性回歸問題 75
4.1.4 利用TensorFlow解決線性回歸問題 78
4.2 邏輯回歸 81
4.2.1 什么是邏輯回歸 81
4.2.2 邏輯回歸例子引入 82
4.2.3 數學方法解決邏輯回歸問題 83
4.2.4 利用TensorFlow解決邏輯回歸問題 83
4.3 KNN 85
4.3.1 什么是KNN 86
4.3.2 KNN例子引入 86
4.3.3 數學方法解決KNN問題 87
4.3.4 利用TensorFlow解決KNN問題 91
4.4 使用第三方模塊實現KNN 92
4.5 其他機器學習算法 94
4.5.1 支持向量機 94
4.5.2 決策樹 94
4.5.3 隨機森林 95
4.5.4 K-Means 95
4.6 小結 95
4.7 練習題 95
第5章 MNIST數據集及神經網絡 96
5.1 MNIST數據集簡介 96
5.2 神經元常用函數 97
5.2.1 激活函數 97
5.2.2 池化函數 99
5.2.3 損失函數 100
5.3 深度神經網絡 101
5.4 經典卷積神經網絡介紹 102
5.4.1 LeNet-5模型及其實現 103
5.4.2 AlexNet介紹 109
5.4.3 VGGNet介紹 109
5.4.4 Inception模型及其實現 109
5.5 循環神經網絡 112
5.5.1 循環神經網絡簡介 112
5.5.2 循環神經網絡實現 115
5.6 優化器及優化方法 117
5.6.1 優化方法 117
5.6.2 學習率設置 118
5.7 小結 118
5.8 練習題 118
第6章 TensorFlow高級框架 119
6.1 TFLearn 119
6.2 Keras 121
6.3 小結 123
6.4 練習題 124
第7章 OpenCV開發與應用 125
7.1 OpenCV介紹 125
7.2 OpenCV常見應用 127
7.2.1 攝像頭調用 127
7.2.2 OpenCV的圖像簡單處理 128
7.2.3 圖像處理的意義及價值 132
7.3 小結 133
7.4 練習題 133
第8章 計算機視覺處理 134
8.1 計算機視覺開發介紹 134
8.2 手寫數字識別 136
8.2.1 項目介紹 137
8.2.2 圖像獲取以及預處理 138
8.2.3 圖像識別 139
8.2.4 結果顯示 143
8.3 人臉識別 143
8.3.1 項目介紹 144
8.3.2 人臉的數據集介紹 144
8.3.3 人臉識別流程 145
8.3.4 人臉識別方案 145
8.3.5 人臉識別應用 146
8.4 小結 154
8.5 練習題 154
第9章 自然語言處理 155
9.1 人工智能自然語言處理介紹 155
9.2 英文語音識別 156
9.2.1 項目介紹 156
9.2.2 訓練模型 156
9.2.3 測試效果 160
9.3 打造智能聊天機器人 163
9.3.1 seq2seq的機制原理 163
9.3.2 實踐 163
9.4 小結 164
9.5 練習題 164
第10章 人工智能開放平臺應用 165
10.1 AI開放平臺介紹 165
10.2 百度AI開放平臺應用 166
10.2.1 百度AI開放平臺介紹 166
10.2.2 基于百度AI開放平臺的圖像識別 166
10.2.3 基于百度AI開放平臺的語音識別 170
10.2.4 基于百度AI開放平臺的人臉識別 172
10.3 更多AI開放平臺實踐 175
10.3.1 騰訊AI開放平臺 175
10.3.2 阿里AI開放平臺 175
10.3.3 京東AI開放平臺 176
10.3.4 小愛AI開放平臺 176
10.3.5 訊飛AI開放平臺 177
10.4 小結 177
10.5 練習題 177
第11章 綜合實訓案例解析 178
11.1 基于機械臂的工業分揀系統 178
11.1.1 項目概要 178
11.1.2 項目設計 179
11.1.3 項目實現 186
11.2 小結 193
11.3 練習題 193