更新时间：2023-11-07 16:53:49
封面
版权信息
前言
第1章 绪论
1.1 人工智能从业人员职业道德及行业准则
1.1.1 职业道德
1.1.2 行业准则
1.1.3 职业道德挑战
1.2 职业素养与企业文化
1.2.1 职业素养
1.2.2 企业文化
1.2.3 人工智能视角下的企业文化和职业素养
1.3 习题与练习
第2章 人工智能概述
2.1 人工智能的定义
2.1.1 智能的定义
2.1.2 智能的特征
2.1.3 人工智能的定义
2.2 人工智能的经典问题
2.2.1 图灵测试
2.2.2 中文屋子
2.3 人工智能的发展史
2.3.1 孕育阶段
2.3.2 形成阶段
2.3.3 发展阶段
2.3.4 我国人工智能的发展
2.3.5 人工智能的学派
2.4 人工智能的应用分支
2.4.1 认知
2.4.2 机器学习
2.4.3 深度学习
2.5 人工智能产品应用体系
2.5.1 人工智能产品的定义
2.5.2 人工智能产品及服务体系
2.5.3 智能金融
2.5.4 智慧城市
2.5.5 智慧交通
2.5.6 智能制造
2.5.7 智能家居
2.6 习题与练习
第3章 人工智能与大数据
3.1 人工智能与大数据概述
3.1.1 大数据产生背景
3.1.2 大数据的特征
3.1.3 大数据的精髓
3.1.4 了解大数据理论
3.1.5 大数据编程主要工具软件
3.1.6 大数据与人工智能的关系
3.1.7 大数据与人工智能带来的社会变革
3.2 数据采集与预处理
3.2.1 数据采集的对象
3.2.2 数据采集简介
3.2.3 大数据的预处理
3.3 数据可视化
3.3.1 数据可视化简介
3.3.2 数据可视化工具
3.3.3 数据可视化案例
3.4 习题与练习
第4章 机器学习应用技术
4.1 机器学习简介
4.1.1 机器学习的发展
4.1.2 机器学习的定义
4.2 机器学习的学习类型
4.2.1 非监督学习
4.2.2 监督学习
4.2.3 强化学习
4.3 机器学习的分类
4.4 机器学习的常见任务及其应用
4.4.1 机器学习的常见任务
4.4.2 机器学习的应用
4.5 习题与练习
第5章 神经网络应用技术
5.1 神经网络基本原理
5.1.1 生物神经网络
5.1.2 人工神经网络
5.2 神经网络的应用——图片识别
5.2.1 卷积神经网络
5.2.2 手写数字识别
5.3 BP神经网络的数据分类——语音特征信号分类
5.3.1 BP神经网络
5.3.2 语音特征信号识别
5.4 RBF网络——非线性函数回归的实现
5.5 习题与练习
第6章 深度学习应用技术
6.1 深度学习基本概念
6.1.1 深度学习相关人物介绍
6.1.2 为什么需要深度学习
6.1.3 深度学习的三大要素
6.2 卷积神经网络
6.2.1 卷积神经网络特性
6.2.2 卷积神经网络核心原理
6.3 循环神经网络
6.3.1 循环神经网络的引入
6.3.2 循环神经网络的历史
6.3.3 循环神经网络原理介绍
6.3.4 循环神经网络示例
6.4 深度学习的应用
6.4.1 机器博弈
6.4.2 自动驾驶
6.4.3 智能机器人
