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)結構3

1.4 人工智能的核心技術4

1.4.1 機器學習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 人工智能的應用領域8

1.6 人工智能風險9

1.7 本章小結10

1.8 習題11

第 2章 Python程序設計基礎12

2.1 Python基礎知識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45

2.5 習題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56

3.6 習題56

第4章 Pandas數(shù)據(jù)分析庫58

4.1 Pandas數(shù)據(jù)結構的創(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 重復值檢測與處理73

4.6.4 數(shù)據(jù)類型轉換74

4.7 時間序列處理74

4.7.1 時間序列生成與索引設置75

4.7.2 時間間隔計算與轉換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79

4.9 習題80

第5章 計算機視覺技術與應用81

5.1 計算機視覺基礎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 計算機視覺與相關領域的聯(lián)系與區(qū)別85

5.1.4 應用領域87

5.2 計算機視覺的基本任務87

5.2.1 圖像分類87

5.2.2 目標檢測與定位88

5.2.3 圖像分割89

5.3 計算機視覺常見應用91

5.3.1 圖像技術91

5.3.2 OCR及其應用97

5.3.3 人臉識別及其應用99

5.3.4 人體分析及其應用102

5.4 計算機視覺技術面臨的挑戰(zhàn)與未來發(fā)展105

5.4.1 計算機視覺技術面臨的挑戰(zhàn)105

5.4.2 計算機視覺技術的未來發(fā)展趨勢與展望106

5.5 本章小結107

5.6 習題107

第6章 智能語音處理與應用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 智能語音處理的關鍵環(huán)節(jié)111

6.1.3 智能語音處理的應用領域112

6.2 智能語音常用技術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用117

6.3.1 語音識別應用117

6.3.2 語音合成應用119

6.3.3 其他語音拓展應用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123

6.6 習題123

第7 章自然語言處理與應用126

7.1 自然語言處理概述基礎126

7.1.1 自然語言處理的概念及其發(fā)展歷程126

7.1.2 語言學基礎127

7.1.3 自然語言中的歧義問題130

7.2 自然語言處理基礎任務132

7.2.1 文本清洗132

7.2.2 分詞133

7.2.3 詞性標注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 深度學習模型的不斷演進154

7.5 本章小結155

7.6 習題155

第8章 生成式大模型應用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 文心一言在學習方面的應用163

8.3 文心一言在工作方面的應用164

8.4 文心一言在生活娛樂方面的應用166

8.5 文小言App169

8.6 本章小結170

8.7 習題170

實驗篇

實驗1 Python程序設計基礎實驗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用體驗181

實驗5 基于百度AI開放平臺的文字識別應用開發(fā)184

實驗6 基于百度AI開放平臺的人臉識別考勤應用開發(fā)192

實驗7 智能語音應用體驗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開放平臺的錄音轉寫應用開發(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 基于文心一言的學習效率提升實驗232

實驗13 基于文心一言的工作與生活娛樂場景應用實驗237

參考文獻246