模塊1　人工智能：開啟智慧新時代　1
1.1　人工智能的緣起　1
1.1.1　什么是人工智能　1
1.1.2　人工智能的發(fā)展歷程　2
1.1.3　人工智能的特征及典型應用　6
1.1.4　人工智能倫理　12
1.2　機器學習與深度學習　14
1.2.1　機器學習的含義　14
1.2.2　深度學習的崛起　15
1.2.3　神經(jīng)網(wǎng)絡的魅力　17
1.3　AIGC　17
1.3.1　AIGC的概念　17
1.3.2　AIGC的特征及核心技術　18
1.4　項目小試牛刀：智能制作人工智能發(fā)展簡史演示文稿　20
1.4.1　提出問題　20
1.4.2　解決方案　21
1.4.3　預備知識　21
1.4.4　任務1擬定一個主題　22
1.4.5　任務2生成和保存演示文稿　23
模塊小結　25
課后習題　26
模塊2　Python：人工智能開發(fā)語言　28
2.1　初識Python　28
2.1.1　Python簡介　28
2.1.2　Python的特點及應用領域　29
2.2　Python開發(fā)環(huán)境搭建　30
2.2.1　安裝Python　30
2.2.2　安裝Anaconda　32
2.2.3　淺嘗Python　34
2.3　Python編程基礎　36
2.3.1　變量　36
2.3.2　分支結構　36
2.3.3　循環(huán)結構　38
2.3.4　組合數(shù)據(jù)類型　40
2.4　NumPy庫基礎應用　42
2.4.1　求解三元一次方程　42
2.4.2　數(shù)組計算　44
2.4.3　向量化處理　45
2.5　Matplotlib庫基礎應用　46
2.5.1　繪制柱狀圖　47
2.5.2　繪制散點圖　48
2.6　項目1精準扶貧計劃　50
2.6.1　提出問題　50
2.6.2　解決方案　50
2.6.3　預備知識　50
2.6.4　任務1從鍵盤輸入方程的系數(shù)　50
2.6.5　任務2調(diào)用roots函數(shù)求解方程　51
2.7　項目2解讀我國第 一、第二、第三產(chǎn)業(yè)的GDP發(fā)展趨勢　51
2.7.1　提出問題　51
2.7.2　解決方案　52
2.7.3　預備知識　52
2.7.4　任務1讀取GDP數(shù)據(jù)并觀察數(shù)據(jù)結構　52
2.7.5　任務2繪制GDP數(shù)據(jù)的折線圖　53
模塊小結　54
課后習題　54
模塊3　線性回歸：預測未來趨勢　57
3.1　認識機器學習　57
3.1.1　機器如何學習　57
3.1.2　機器學習算法　58
3.2　認識線性回歸　60
3.2.1　線性回歸的數(shù)學表達式　60
3.2.2　線性回歸的幾個概念　60
3.2.3　梯度下降法　62
3.3　項目1預測二手車價格　63
3.3.1　提出問題　63
3.3.2　解決方案　63
3.3.3　預備知識　64
3.3.4　任務1構建訓練集和測試集　65
3.3.5　任務2模型的構建與訓練　67
3.3.6　任務3模型的測試及評估　68
3.4　項目2預測投保人醫(yī)療費用　70
3.4.1　提出問題　70
3.4.2　解決方案　70
3.4.3　預備知識　71
3.4.4　任務1加載數(shù)據(jù)并進行數(shù)據(jù)預處理　73
3.4.5　任務2訓練和測試醫(yī)療費用預測模型　74
3.4.6　任務3進一步改善模型性能　76
模塊小結　78
課后習題　79
模塊4　分門別類：幫你分而治之　81
4.1　分類器　81
4.1.1　什么是分類器　81
4.1.2　分類器如何工作　82
4.2　幾種主要的分類器　82
4.2.1　決策樹　82
4.2.2　貝葉斯分類器　83
4.2.3　k近鄰分類器　84
4.2.4　支持向量機　85
4.2.5　神經(jīng)網(wǎng)絡　85
4.3　項目1識別貓狗　86
4.3.1　提出問題　86
4.3.2　解決方案　86
4.3.3　預備知識　86
4.3.4　任務1將圖像信息轉(zhuǎn)存為向量　89
4.3.5　任務2批量生成樣本數(shù)據(jù)　90
4.3.6　任務3構建KNN模型　91
4.3.7　任務4訓練KNN模型　91
4.3.8　任務5評估模型效果　92
4.3.9　拓展任務　94
4.4　項目2輔助診斷乳腺癌　95
4.4.1　提出問題　95
4.4.2　解決方案　96
4.4.3　預備知識　96
4.4.4　任務1構建訓練集和測試集　98
4.4.5　任務2構建和訓練模型　99
4.4.6　任務3評估模型診斷效果　100
4.4.7　拓展任務　101
模塊小結　102
課后習題　103
模塊5　物以類聚：發(fā)現(xiàn)新簇　105
5.1　聚類分析　105
5.1.1　何為聚類分析　105
5.1.2　常見聚類方法　107
5.1.3　聚類性能度量　107
5.2　k均值聚類　108
5.2.1　k均值算法　108
5.2.2　k均值算法應用提示　109
5.3　項目1探究企鵝物種的分類　110
5.3.1　提出問題　110
5.3.2　解決方案　110
5.3.3　預備知識　111
5.3.4　任務1樣本數(shù)據(jù)的預處理　114
5.3.5　任務2確定企鵝物種數(shù)量k的最佳值　116
5.3.6　任務3繪制企鵝聚類后的散點圖　118
5.4　項目2電商客戶分類　120
5.4.1　提出問題　120
5.4.2　解決方案　120
5.4.3　預備知識　120
5.4.4　任務1選擇最佳的客戶群分類數(shù)目k　123
5.4.5　任務2計算3類客戶的RFM平均值　125
5.4.6　任務3為3類客戶提出營銷建議　126
模塊小結　128
課后習題　128
模塊6　個性化推薦：主動滿足你的需求　130
6.1　認識個性化推薦　130
6.1.1　個性化推薦的思路　130
6.1.2　推薦算法分類　132
6.1.3　推薦效果評估　139
6.2　項目1推薦你喜愛的電影　141
6.2.1　提出問題　141
6.2.2　解決方案　142
6.2.3　預備知識　142
6.2.4　任務1合并電影基本信息和評分記錄　144
6.2.5　任務2找到與某個用戶最相似的n個用戶　145
6.2.6　任務3給某個用戶推薦m部電影　147
6.3　項目2推薦你要一起購買的商品　148
6.3.1　提出問題　148
6.3.2　解決方案　148
6.3.3　預備知識　149
6.3.4　任務1將CSV文件數(shù)據(jù)轉(zhuǎn)換為事務型數(shù)據(jù)　152
6.3.5　任務2找出購物清單中頻繁被購買的商品　153
6.3.6　任務3提取有用的銷售關聯(lián)規(guī)則　155
模塊小結　156
課后習題　156
模塊7　語音識別：讓機器對你言聽計從　159
7.1　語音識別　159
7.1.1　語音識別簡史　159
7.1.2　語音識別過程　160
7.2　深度神經(jīng)網(wǎng)絡　164
7.2.1　深度神經(jīng)網(wǎng)絡基礎　164
7.2.2　卷積神經(jīng)網(wǎng)絡　165
7.3　項目1利用卷積神經(jīng)網(wǎng)絡識別英文語音數(shù)字　168
7.3.1　提出問題　168
7.3.2　解決方案　168
7.3.3　預備知識　168
7.3.4　任務1提取音頻文件的語音特征數(shù)據(jù)　174
7.3.5　任務2構建語音數(shù)字識別神經(jīng)網(wǎng)絡模型　175
7.3.6　任務3利用訓練好的模型來識別語音　177
7.4　項目2自制一個簡單的語音閱讀器　178
7.4.1　提出問題　178
7.4.2　解決方案　179
7.4.3　預備知識　179
7.4.4　任務1讀取需閱讀的文件內(nèi)容　182
7.4.5　任務2驗證訪問語音合成應用的令牌　183
7.4.6　任務3調(diào)用文本在線合成API實現(xiàn)文本語音轉(zhuǎn)換　184
模塊小結　186
課后習題　186
模塊8　人臉識別：機器也認識你　188
8.1　人臉識別基礎　188
8.1.1　人臉識別技術發(fā)展簡史　188
8.1.2　人臉識別系統(tǒng)　189
8.1.3　人臉識別關鍵技術　191
8.2　認識OpenCV　193
8.2.1　OpenCV的框架結構　193
8.2.2　OpenCV中的人臉分類器　194
8.3　項目1照片智能搜索　196
8.3.1　提出問題　196
8.3.2　解決方案　196
8.3.3　預備知識　196
8.3.4　任務1訓練人臉識別模型　201
8.3.5　任務2利用訓練好的模型來搜索照片　202
8.4　項目2安全帽檢測賦能安全管理　203
8.4.1　提出問題　203
8.4.2　解決方案　203
8.4.3　預備知識　204
8.4.4　任務1準備訓練模型用的樣本集　209
8.4.5　任務2訓練YOLOv10模型　210
8.4.6　任務3檢測視頻中的人員是否佩戴安全帽　212
模塊小結　213
課后習題　214
參考文獻　216