人工智能基礎教程

項目一 人工智能概述 1
任務1.1 人工智能的概念、特征 3
1.1.1 人工智能的概念 3
1.1.2 人工智能的特征 5
任務1.2 人工智能的發(fā)展歷程 7
1.2.1 人工智能的發(fā)展史 7
1.2.2 人工智能的發(fā)展帶來的啟示 11
任務1.3 人工智能的研究目標和內容 12
1.3.1 人工智能的研究目標 12
1.3.2 人工智能的研究內容 13
任務1.4 人工智能產(chǎn)業(yè)的全球發(fā)展現(xiàn)狀與在我國的發(fā)展格局 15
1.4.1 全球人工智能產(chǎn)業(yè)的發(fā)展現(xiàn)狀 15
1.4.2 我國人工智能產(chǎn)業(yè)的發(fā)展格局 17
任務1.5 人工智能的發(fā)展趨勢 19
1.5.1 人工智能應用領域的發(fā)展趨勢 19
1.5.2 人工智能相關產(chǎn)業(yè)鏈的發(fā)展趨勢 21
實訓一 體驗人工智能技術 23
實訓二 分析人工智能發(fā)展圖譜的構建流程 24
實訓三 調研人工智能的應用 25
案例一 科幻電影中的人工智能 26
案例二 人工智能之圖像識別 27
習題 28
項目二 新一代信息技術的應用 31
任務2.1 虛擬現(xiàn)實技術 33
2.1.1 虛擬現(xiàn)實技術的概念 33
2.1.2 虛擬現(xiàn)實技術的發(fā)展 33
2.1.3 虛擬現(xiàn)實技術的特征 34
2.1.4 虛擬現(xiàn)實技術的應用 34
任務2.2 物聯(lián)網(wǎng) 36
2.2.1 物聯(lián)網(wǎng)的概念 36
2.2.2 物聯(lián)網(wǎng)的發(fā)展 36
2.2.3 物聯(lián)網(wǎng)的關鍵技術 37
2.2.4 物聯(lián)網(wǎng)的應用 37
任務2.3 云計算 40
2.3.1 云計算的概念 40
2.3.2 云計算的發(fā)展 40
2.3.3 云計算的關鍵技術 41
2.3.4 云計算的應用 42
任務2.4 大數(shù)據(jù) 44
2.4.1 大數(shù)據(jù)的概念 44
2.4.2 大數(shù)據(jù)的數(shù)據(jù)類型 45
2.4.3 大數(shù)據(jù)的意義 45
2.4.4 大數(shù)據(jù)的發(fā)展趨勢 46
任務2.5 5G 47
2.5.1 5G的概念 47
2.5.2 5G的特點 47
2.5.3 5G的關鍵技術 47
2.5.4 5G的應用 49
任務2.6 區(qū)塊鏈 50
2.6.1 區(qū)塊鏈的概念 51
2.6.2 區(qū)塊鏈的特征 51
2.6.3 區(qū)塊鏈的核心技術 51
2.6.4 區(qū)塊鏈的應用 52
實訓一 使用百度指數(shù)功能獲得大數(shù)據(jù)信息 55
實訓二 調研并優(yōu)化智慧校園 59
案例一 走進“云”博物館 60
案例二 身邊的人工智能：智慧農業(yè) 62
習題 66
項目三 人工智能之自動識別技術 69
任務3.1 自動識別技術概述 71
3.1.1 自動識別技術的定義 72
3.1.2 自動識別技術的原理 72
任務3.2 自動識別技術的發(fā)展 73
3.2.1 自動識別技術的發(fā)展階段 73
3.2.2 自動識別技術的發(fā)展趨勢 74
任務3.3 自動識別技術的分類 75
3.3.1 自動識別技術的類別 75
3.3.2 自動識別技術之傳感器 85
實訓一 無人駕駛小車避障 89
實訓二 傳感器的應用 91
案例 “掃一掃”背后的秘密 92
習題 100
項目四 人工智能之Python語言 103
任務4.1 Python軟件的安裝與配置 105
4.1.1 安裝Python 105
4.1.2 測試Python的安裝結果 109
4.1.3 安裝PyCharm 109
4.1.4 PyCharm的啟動與配置 112
任務4.2 Python語言程序的基本語法 115
4.2.1 Python語言源程序的基本語法單位、書寫格式與基本規(guī)則 115
4.2.2 Python的基本數(shù)據(jù)類型 118
4.2.3 Python的基本運算符和表達式 120
4.2.4 Python的條件判斷分支與循環(huán) 124
4.2.5 Python的庫：Turtle 128
任務4.3 Python語言程序的編寫 131
實訓一 快速繪制一個等邊三角形 136
實訓二 快速繪制一個多角星 142
實訓三 繪制多彩多角星 148
案例一 游戲中的人工智能 150
案例二 虛擬試衣間中的人工智能 152
習題 154
項目五 人工智能之機器學習 157
任務5.1 機器學習簡介 159
5.1.1 機器學習的定義 159
5.1.2 機器學習的術語 160
5.1.3 機器學習的應用場景 161
任務5.2 機器學習的類型 162
5.2.1 監(jiān)督學習 163
5.2.2 無監(jiān)督學習 163
5.2.3 強化學習 164
5.2.4 深度學習 164
任務5.3 機器學習算法 165
5.3.1 線性回歸 165
5.3.2 邏輯回歸 166
5.3.3 決策樹 167
5.3.4 貝葉斯分類 168
5.3.5 支持向量機 169
5.3.6 K近鄰查詢算法 170
5.3.7 K均值聚類算法 171
任務5.4 機器學習算法的應用 173
5.4.1 數(shù)據(jù)分析與挖掘 174
5.4.2 模式識別 174
5.4.3 在生物信息學上的應用 174
5.4.4 在人工智能中的應用 175
實訓一 繪制算法流程圖 176
實訓二 淺析人工智能、機器學習、深度學習之間的關系 178
案例一 探索機器學習的過程 179
案例二 生鮮的分類 180
習題 182
參考文獻 185