本書主要介紹了人工智能的基礎(chǔ)知識、人工智能的編程語言（Python）及人工智能領(lǐng)域的核心技術(shù)和應(yīng)用。全書包含理論篇與實驗篇兩部分。理論篇共8章，包括人工智能概述、Python程序設(shè)計基礎(chǔ)、Numpy數(shù)值分析庫、Pandas數(shù)據(jù)分析庫、計算機視覺技術(shù)與應(yīng)用、智能語音技術(shù)與應(yīng)用、自然語言處理與應(yīng)用、生成式大模型應(yīng)用等內(nèi)容；實驗篇設(shè)計了與理論章節(jié)配套的13個實驗項目。

本書以培養(yǎng)讀者人工智能素養(yǎng)、程序設(shè)計思維和人工智能基本應(yīng)用能力為目標(biāo)，通過理論與實踐相結(jié)合的方式，旨在幫助讀者建立起系統(tǒng)的人工智能知識體系，并在實踐中提升其解決實際問題的能力。書中的實驗設(shè)計緊密聯(lián)系實際應(yīng)用，使讀者能夠在學(xué)習(xí)中體驗到人工智能技術(shù)的實際應(yīng)用價值。

（1）針對財經(jīng)類高校非計算機類專業(yè)的通識課教材，簡明通俗，易于理解。

（2）注重理論與實踐結(jié)合。案例與日常生活相關(guān)或與學(xué)生專業(yè)相關(guān)。

（3）結(jié)構(gòu)清晰，層次分明。邏輯順序和組織清晰，從基礎(chǔ)概念到高級應(yīng)用，逐步深入。

（4）多領(lǐng)域的綜合實驗設(shè)計。涵蓋多個領(lǐng)域的綜合實驗，如Python編程、計算機視覺、智能語音、自然語言處理等人工智能應(yīng)用，使讀者在實踐中提升綜合應(yīng)用能力。

李福清，任教于廣東金融學(xué)院互聯(lián)網(wǎng)金融與信息工程系。1998年于華南農(nóng)業(yè)大學(xué)獲得學(xué)士學(xué)位，2004年于華南師范大學(xué)獲得碩士學(xué)位，2016年于廣東工業(yè)大學(xué)獲得博士學(xué)位。主講大學(xué)計算機、網(wǎng)頁設(shè)計、平面動畫制作、管理信息系統(tǒng)等課程。研究方向：專用道設(shè)置問題、組合優(yōu)化算法。 吳炎太，廣東金融學(xué)院信息學(xué)院教授，先后擔(dān)任系主任、副院長、院長。2003年畢業(yè)于南京理工大學(xué)管理科學(xué)與工程專業(yè)，獲得博士學(xué)位。自1990年以來，長期從事企業(yè)信息管理與會計信息化的教學(xué)及研究工作，主講ERP原理與應(yīng)用、ERP應(yīng)用實踐、管理信息系統(tǒng)等課程。主持省級課題5項，參與國家級課題1項，參與省部級課題5項。在《科學(xué)學(xué)與科學(xué)技術(shù)管理》、《審計研究》、《商業(yè)研究》等刊物發(fā)表論文30余篇。

理論篇

第 1章 人工智能概述1

1.1 人工智能簡介1

1.1.1 人工智能的定義與核心特征1

1.1.2 人工智能對人類智能的模擬與超越2

1.2 人工智能的發(fā)展歷程3

1.3 人工智能的產(chǎn)業(yè)結(jié)構(gòu)3

1.4 人工智能的核心技術(shù)4

1.4.1 機器學(xué)習(xí)5

1.4.2 知識圖譜5

1.4.3 自然語言處理6

1.4.4 計算機視覺7

1.4.5 人機交互7

1.5 人工智能的應(yīng)用領(lǐng)域8

1.6 人工智能風(fēng)險9

1.7 本章小結(jié)10

1.8 習(xí)題11

第 2章 Python程序設(shè)計基礎(chǔ)12

2.1 Python基礎(chǔ)知識12

2.1.1 Python簡介12

2.1.2 Python編程環(huán)境13

2.1.3 Python基本數(shù)據(jù)類型17

2.1.4 Python組合數(shù)據(jù)類型20

2.1.5 內(nèi)置函數(shù)27

2.1.6 運算符與表達式28

2.2 Python程序控制語句30

2.2.1 條件語句30

2.2.2 循環(huán)語句33

2.2.3 可迭代對象的遍歷方法34

2.2.4 異常處理36

2.3 函數(shù)36

2.3.1 函數(shù)定義36

2.3.2 函數(shù)調(diào)用37

2.3.3 模塊與包的使用40

2.3.4 第三方庫的安裝與使用41

2.3.5 文件操作43

2.4 本章小結(jié)45

2.5 習(xí)題45

第3章 Numpy數(shù)值分析庫47

3.1 Numpy數(shù)組創(chuàng)建與操作47

3.1.1 Numpy數(shù)組創(chuàng)建48

3.1.2 Numpy數(shù)組屬性49

3.1.3 Numpy數(shù)組基本操作50

3.1.4 Numpy函數(shù)51

3.2 Numpy數(shù)據(jù)類型53

3.2.1 Numpy數(shù)據(jù)類型概述53

3.2.2 Numpy數(shù)據(jù)類型轉(zhuǎn)換54

3.3 Numpy數(shù)組廣播機制54

3.4 特殊數(shù)值處理56

3.5 本章小結(jié)56

3.6 習(xí)題56

第4章 Pandas數(shù)據(jù)分析庫58

4.1 Pandas數(shù)據(jù)結(jié)構(gòu)的創(chuàng)建與操作58

4.1.1 序列創(chuàng)建與基本操作58

4.1.2 數(shù)據(jù)框創(chuàng)建與基本操作61

4.2 數(shù)據(jù)選擇與過濾63

4.2.1 使用選擇器和快速訪問器63

4.2.2 基于條件的數(shù)據(jù)篩選65

4.2.3多條件聯(lián)合篩選66

4.3 數(shù)據(jù)分組與聚合66

4.3.1 數(shù)據(jù)分組66

4.3.2 對分組數(shù)據(jù)進行聚合操作67

4.3.3 分組后的數(shù)據(jù)轉(zhuǎn)換68

4.4 合并和連接68

4.4.1 數(shù)據(jù)框合并69

4.4.2合并方式69

4.4.3 數(shù)據(jù)框連接70

4.5 數(shù)據(jù)讀取和存儲70

4.5.1 讀寫CSV文件70

4.5.2 讀寫Excel文件71

4.6 數(shù)據(jù)清洗和預(yù)處理72

4.6.1 缺失值檢測與處理72

4.6.2 異常值檢測與處理73

4.6.3 重復(fù)值檢測與處理73

4.6.4 數(shù)據(jù)類型轉(zhuǎn)換74

4.7 時間序列處理74

4.7.1 時間序列生成與索引設(shè)置75

4.7.2 時間間隔計算與轉(zhuǎn)換76

4.7.3時間序列數(shù)據(jù)重采樣77

4.7.4 移動窗口計算77

4.7.5時間序列數(shù)據(jù)分析78

4.8 本章小結(jié)79

4.9 習(xí)題80

第5章 計算機視覺技術(shù)與應(yīng)用81

5.1 計算機視覺基礎(chǔ)81

5.1.1 計算機視覺的概念與發(fā)展歷程81

5.1.2 計算機視覺處理流程82

5.1.3 計算機視覺與相關(guān)領(lǐng)域的聯(lián)系與區(qū)別85

5.1.4 應(yīng)用領(lǐng)域87

5.2 計算機視覺的基本任務(wù)87

5.2.1 圖像分類87

5.2.2 目標(biāo)檢測與定位88

5.2.3 圖像分割89

5.3 計算機視覺常見應(yīng)用91

5.3.1 圖像技術(shù)91

5.3.2 OCR及其應(yīng)用97

5.3.3 人臉識別及其應(yīng)用99

5.3.4 人體分析及其應(yīng)用102

5.4 計算機視覺技術(shù)面臨的挑戰(zhàn)與未來發(fā)展105

5.4.1 計算機視覺技術(shù)面臨的挑戰(zhàn)105

5.4.2 計算機視覺技術(shù)的未來發(fā)展趨勢與展望106

5.5 本章小結(jié)107

5.6 習(xí)題107

第6章 智能語音處理與應(yīng)用110

6.1 智能語音處理概述110

6.1.1 智能語音處理的概念及其發(fā)展歷程110

6.1.2 智能語音處理的關(guān)鍵環(huán)節(jié)111

6.1.3 智能語音處理的應(yīng)用領(lǐng)域112

6.2 智能語音常用技術(shù)113

6.2.1 語音增強113

6.2.2 語音識別114

6.2.3 語音合成116

6.3 智能語音處理常見應(yīng)用117

6.3.1 語音識別應(yīng)用117

6.3.2 語音合成應(yīng)用119

6.3.3 其他語音拓展應(yīng)用120

6.4 智能語音處理面臨的挑戰(zhàn)與未來發(fā)展趨勢121

6.4.1 智能語音處理面臨的挑戰(zhàn)121

6.4.2 智能語音處理未來發(fā)展趨勢122

6.5 本章小結(jié)123

6.6 習(xí)題123

第7 章自然語言處理與應(yīng)用126

7.1 自然語言處理概述基礎(chǔ)126

7.1.1 自然語言處理的概念及其發(fā)展歷程126

7.1.2 語言學(xué)基礎(chǔ)127

7.1.3 自然語言中的歧義問題130

7.2 自然語言處理基礎(chǔ)任務(wù)132

7.2.1 文本清洗132

7.2.2 分詞133

7.2.3 詞性標(biāo)注134

7.2.4 命名實體識別135

7.2.5 依存句法分析136

7.3 自然語言處理常見應(yīng)用137

7.3.1 語言理解137

7.3.2 語言生成146

7.3.3 機器翻譯148

7.3.4 內(nèi)容審核149

7.3.5 個性化推薦150

7.3.6 智能問答-聊天機器人152

7.4 自然語言處理技術(shù)前沿153

7.4.1 多模態(tài)融合153

7.4.2 可解釋性自然語言處理154

7.4.3 深度學(xué)習(xí)模型的不斷演進154

7.5 本章小結(jié)155

7.6 習(xí)題155

第8章 生成式大模型應(yīng)用158

8.1 生成式大模型概述158

8.1.1生成式大模型簡介158

8.1.2 國外主流生成式大模型介紹159

8.1.3 國內(nèi)主要生成式大模型介紹160

8.2 文心一言在學(xué)習(xí)方面的應(yīng)用163

8.3 文心一言在工作方面的應(yīng)用164

8.4 文心一言在生活娛樂方面的應(yīng)用166

8.5 文小言App169

8.6 本章小結(jié)170

8.7 習(xí)題170

實驗篇

實驗1 Python程序設(shè)計基礎(chǔ)實驗172

實驗2 Numpy數(shù)值分析庫實驗176

實驗3 Pandas數(shù)據(jù)分析庫實驗178

實驗4 百度人工智能能力應(yīng)用體驗181

實驗5 基于百度AI開放平臺的文字識別應(yīng)用開發(fā)184

實驗6 基于百度AI開放平臺的人臉識別考勤應(yīng)用開發(fā)192

實驗7 智能語音應(yīng)用體驗201

實驗8 FAQ自動化交互問答系統(tǒng)開發(fā)204

實驗9 基于百度AI開放平臺的錄音轉(zhuǎn)寫應(yīng)用開發(fā)211

實驗10 基于百度AI開放平臺的自然語言處理體驗與應(yīng)用開發(fā)218

實驗11 電商用戶評論的情感傾向分析223

實驗12 基于文心一言的學(xué)習(xí)效率提升實驗232

實驗13 基于文心一言的工作與生活娛樂場景應(yīng)用實驗237

參考文獻246