模塊1　人工智能：開啟智慧新時(shí)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(yīng)用　6
1.1.4　人工智能倫理　12
1.2　機(jī)器學(xué)習(xí)與深度學(xué)習(xí)　14
1.2.1　機(jī)器學(xué)習(xí)的含義　14
1.2.2　深度學(xué)習(xí)的崛起　15
1.2.3　神經(jīng)網(wǎng)絡(luò)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(shù)　18
1.4　項(xiàng)目小試牛刀：智能制作人工智能發(fā)展簡(jiǎn)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(yù)備知識(shí)　21
1.4.4　任務(wù)1擬定一個(gè)主題　22
1.4.5　任務(wù)2生成和保存演示文稿　23
模塊小結(jié)　25
課后習(xí)題　26
模塊2　Python：人工智能開發(fā)語(yǔ)言　28
2.1　初識(shí)Python　28
2.1.1　Python簡(jiǎn)介　28
2.1.2　Python的特點(diǎn)及應(yīng)用領(lǐng)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(chǔ)　36
2.3.1　變量　36
2.3.2　分支結(jié)構(gòu)　36
2.3.3　循環(huán)結(jié)構(gòu)　38
2.3.4　組合數(shù)據(jù)類型　40
2.4　NumPy庫(kù)基礎(chǔ)應(yīng)用　42
2.4.1　求解三元一次方程　42
2.4.2　數(shù)組計(jì)算　44
2.4.3　向量化處理　45
2.5　Matplotlib庫(kù)基礎(chǔ)應(yīng)用　46
2.5.1　繪制柱狀圖　47
2.5.2　繪制散點(diǎn)圖　48
2.6　項(xiàng)目1精準(zhǔn)扶貧計(jì)劃　50
2.6.1　提出問題　50
2.6.2　解決方案　50
2.6.3　預(yù)備知識(shí)　50
2.6.4　任務(wù)1從鍵盤輸入方程的系數(shù)　50
2.6.5　任務(wù)2調(diào)用roots函數(shù)求解方程　51
2.7　項(xiàng)目2解讀我國(guó)第 一、第二、第三產(chǎn)業(yè)的GDP發(fā)展趨勢(shì)　51
2.7.1　提出問題　51
2.7.2　解決方案　52
2.7.3　預(yù)備知識(shí)　52
2.7.4　任務(wù)1讀取GDP數(shù)據(jù)并觀察數(shù)據(jù)結(jié)構(gòu)　52
2.7.5　任務(wù)2繪制GDP數(shù)據(jù)的折線圖　53
模塊小結(jié)　54
課后習(xí)題　54
模塊3　線性回歸：預(yù)測(cè)未來趨勢(shì)　57
3.1　認(rèn)識(shí)機(jī)器學(xué)習(xí)　57
3.1.1　機(jī)器如何學(xué)習(xí)　57
3.1.2　機(jī)器學(xué)習(xí)算法　58
3.2　認(rèn)識(shí)線性回歸　60
3.2.1　線性回歸的數(shù)學(xué)表達(dá)式　60
3.2.2　線性回歸的幾個(gè)概念　60
3.2.3　梯度下降法　62
3.3　項(xiàng)目1預(yù)測(cè)二手車價(jià)格　63
3.3.1　提出問題　63
3.3.2　解決方案　63
3.3.3　預(yù)備知識(shí)　64
3.3.4　任務(wù)1構(gòu)建訓(xùn)練集和測(cè)試集　65
3.3.5　任務(wù)2模型的構(gòu)建與訓(xùn)練　67
3.3.6　任務(wù)3模型的測(cè)試及評(píng)估　68
3.4　項(xiàng)目2預(yù)測(cè)投保人醫(yī)療費(fèi)用　70
3.4.1　提出問題　70
3.4.2　解決方案　70
3.4.3　預(yù)備知識(shí)　71
3.4.4　任務(wù)1加載數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理　73
3.4.5　任務(wù)2訓(xùn)練和測(cè)試醫(yī)療費(fèi)用預(yù)測(cè)模型　74
3.4.6　任務(wù)3進(jìn)一步改善模型性能　76
模塊小結(jié)　78
課后習(xí)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(jī)　85
4.2.5　神經(jīng)網(wǎng)絡(luò)　85
4.3　項(xiàng)目1識(shí)別貓狗　86
4.3.1　提出問題　86
4.3.2　解決方案　86
4.3.3　預(yù)備知識(shí)　86
4.3.4　任務(wù)1將圖像信息轉(zhuǎn)存為向量　89
4.3.5　任務(wù)2批量生成樣本數(shù)據(jù)　90
4.3.6　任務(wù)3構(gòu)建KNN模型　91
4.3.7　任務(wù)4訓(xùn)練KNN模型　91
4.3.8　任務(wù)5評(píng)估模型效果　92
4.3.9　拓展任務(wù)　94
4.4　項(xiàng)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(yù)備知識(shí)　96
4.4.4　任務(wù)1構(gòu)建訓(xùn)練集和測(cè)試集　98
4.4.5　任務(wù)2構(gòu)建和訓(xùn)練模型　99
4.4.6　任務(wù)3評(píng)估模型診斷效果　100
4.4.7　拓展任務(wù)　101
模塊小結(jié)　102
課后習(xí)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(yīng)用提示　109
5.3　項(xiàng)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(yù)備知識(shí)　111
5.3.4　任務(wù)1樣本數(shù)據(jù)的預(yù)處理　114
5.3.5　任務(wù)2確定企鵝物種數(shù)量k的最佳值　116
5.3.6　任務(wù)3繪制企鵝聚類后的散點(diǎn)圖　118
5.4　項(xiàng)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(yù)備知識(shí)　120
5.4.4　任務(wù)1選擇最佳的客戶群分類數(shù)目k　123
5.4.5　任務(wù)2計(jì)算3類客戶的RFM平均值　125
5.4.6　任務(wù)3為3類客戶提出營(yíng)銷建議　126
模塊小結(jié)　128
課后習(xí)題　128
模塊6　個(gè)性化推薦：主動(dòng)滿足你的需求　130
6.1　認(rèn)識(shí)個(gè)性化推薦　130
6.1.1　個(gè)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(píng)估　139
6.2　項(xiàng)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(yù)備知識(shí)　142
6.2.4　任務(wù)1合并電影基本信息和評(píng)分記錄　144
6.2.5　任務(wù)2找到與某個(gè)用戶最相似的n個(gè)用戶　145
6.2.6　任務(wù)3給某個(gè)用戶推薦m部電影　147
6.3　項(xiàng)目2推薦你要一起購(gòu)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(yù)備知識(shí)　149
6.3.4　任務(wù)1將CSV文件數(shù)據(jù)轉(zhuǎn)換為事務(wù)型數(shù)據(jù)　152
6.3.5　任務(wù)2找出購(gòu)物清單中頻繁被購(gòu)買的商品　153
6.3.6　任務(wù)3提取有用的銷售關(guān)聯(lián)規(guī)則　155
模塊小結(jié)　156
課后習(xí)題　156
模塊7　語(yǔ)音識(shí)別：讓機(jī)器對(duì)你言聽計(jì)從　159
7.1　語(yǔ)音識(shí)別　159
7.1.1　語(yǔ)音識(shí)別簡(jiǎn)史　159
7.1.2　語(yǔ)音識(shí)別過程　160
7.2　深度神經(jīng)網(wǎng)絡(luò)　164
7.2.1　深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)　164
7.2.2　卷積神經(jīng)網(wǎng)絡(luò)　165
7.3　項(xiàng)目1利用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別英文語(yǔ)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(yù)備知識(shí)　168
7.3.4　任務(wù)1提取音頻文件的語(yǔ)音特征數(shù)據(jù)　174
7.3.5　任務(wù)2構(gòu)建語(yǔ)音數(shù)字識(shí)別神經(jīng)網(wǎng)絡(luò)模型　175
7.3.6　任務(wù)3利用訓(xùn)練好的模型來識(shí)別語(yǔ)音　177
7.4　項(xiàng)目2自制一個(gè)簡(jiǎn)單的語(yǔ)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(yù)備知識(shí)　179
7.4.4　任務(wù)1讀取需閱讀的文件內(nèi)容　182
7.4.5　任務(wù)2驗(yàn)證訪問語(yǔ)音合成應(yīng)用的令牌　183
7.4.6　任務(wù)3調(diào)用文本在線合成API實(shí)現(xiàn)文本語(yǔ)音轉(zhuǎn)換　184
模塊小結(jié)　186
課后習(xí)題　186
模塊8　人臉識(shí)別：機(jī)器也認(rèn)識(shí)你　188
8.1　人臉識(shí)別基礎(chǔ)　188
8.1.1　人臉識(shí)別技術(shù)發(fā)展簡(jiǎn)史　188
8.1.2　人臉識(shí)別系統(tǒng)　189
8.1.3　人臉識(shí)別關(guān)鍵技術(shù)　191
8.2　認(rèn)識(shí)OpenCV　193
8.2.1　OpenCV的框架結(jié)構(gòu)　193
8.2.2　OpenCV中的人臉分類器　194
8.3　項(xiàng)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(yù)備知識(shí)　196
8.3.4　任務(wù)1訓(xùn)練人臉識(shí)別模型　201
8.3.5　任務(wù)2利用訓(xùn)練好的模型來搜索照片　202
8.4　項(xiàng)目2安全帽檢測(cè)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(yù)備知識(shí)　204
8.4.4　任務(wù)1準(zhǔn)備訓(xùn)練模型用的樣本集　209
8.4.5　任務(wù)2訓(xùn)練YOLOv10模型　210
8.4.6　任務(wù)3檢測(cè)視頻中的人員是否佩戴安全帽　212
模塊小結(jié)　213
課后習(xí)題　214
參考文獻(xiàn)　216