模块1 人工智能：开启智慧新时代.........1
1.1 人工智能的缘起...............................1
1.1.1 什么是人工智能................................... 1
1.1.2 人工智能的发展历程........................... 2
1.1.3 人工智能的特征及典型应用................ 6
1.1.4 人工智能伦理..................................... 12
1.2 机器学习与深度学习.....................14
1.2.1 机器学习的含义................................. 14
1.2.2 深度学习的崛起................................. 15
1.2.3 神经网络的魅力................................. 17
1.3 AIGC...............................................17
1.3.1 AIGC 的概念....................................... 17
1.3.2 AIGC 的特征及核心技术................... 18
1.4 项目——小试牛刀：智能制作“人
工智能发展简史”演示文稿.........20
1.4.1 提出问题............................................. 20
1.4.2 解决方案............................................. 21
1.4.3 预备知识............................................. 21
1.4.4 任务1——拟定一个主题................... 22
1.4.5 任务2——生成和保存演示文稿....... 23
模块小结..................................................25
课后习题..................................................26
模块2 Python：人工智能开发语言...... 28
2.1 初识Python ....................................28
2.1.1 Python 简介......................................... 28
2.1.2 Python 的特点及应用领域................. 29
2.2 Python 开发环境搭建.....................30
2.2.1 安装Python......................................... 30
2.2.2 安装Anaconda .................................... 32
2.2.3 浅尝Python......................................... 34
2.3 Python 编程基础.............................36
2.3.1 变量..................................................... 36
2.3.2 分支结构............................................. 36
2.3.3 循环结构............................................. 38
2.3.4 组合数据类型...................................... 40
2.4 NumPy 库基础应用........................42
2.4.1 求解三元一次方程.............................. 42
2.4.2 数组计算............................................. 44
2.4.3 向量化处理......................................... 45
2.5 Matplotlib 库基础应用...................46
2.5.1 绘制柱状图......................................... 47
2.5.2 绘制散点图......................................... 48
2.6 项目1——精准扶贫计划..............50
2.6.1 提出问题............................................. 50
2.6.2 解决方案............................................. 50
2.6.3 预备知识............................................. 50
2.6.4 任务1——从键盘输入方程的系数... 50
2.6.5 任务2——调用roots 函数求解
方程.................................. 51
2.7 项目2——解读我国第一、第二、
第三产业的GDP 发展趋势...........51
2.7.1 提出问题............................................. 51
2.7.2 解决方案............................................. 52
2.7.3 预备知识............................................. 52
2.7.4 任务1——读取GDP 数据并观察数据
结构.................................. 52
2.7.5 任务2——绘制GDP 数据的折线图...53
模块小结..................................................54
课后习题..................................................54
模块3 线性回归：预测未来趋势.......... 57
3.1 认识机器学习.................................57
3.1.1 机器如何学习..................................... 57
3.1.2 机器学习算法..................................... 58
3.2 认识线性回归.................................60
3.2.1 线性回归的数学表达式...................... 60
3.2.2 线性回归的几个概念......................... 60
3.2.3 梯度下降法......................................... 62
3.3 项目1——预测二手车价格..........63
3.3.1 提出问题............................................. 63
3.3.2 解决方案............................................. 63
3.3.3 预备知识............................................. 64
3.3.4 任务1——构建训练集和测试集....... 65
3.3.5 任务2——模型的构建与训练........... 67
3.3.6 任务3——模型的测试及评估........... 68
3.4 项目2——预测投保人医疗
费用..............................70
3.4.1 提出问题............................................. 70
3.4.2 解决方案............................................. 70
3.4.3 预备知识............................................. 71
3.4.4 任务1——加载数据并进行数据预
处理.................................. 73
3.4.5 任务2——训练和测试医疗费用预测
模型.................................. 74
3.4.6 任务3——进一步改善模型性能....... 76
模块小结..................................................78
课后习题..................................................79
模块4 分门别类：帮你“分而治之”....81
4.1 分类器.............................................81
4.1.1 什么是分类器..................................... 81
4.1.2 分类器如何工作................................. 82
4.2 几种常用的分类器.........................82
4.2.1 决策树................................................. 82
4.2.2 贝叶斯分类器..................................... 83
4.2.3 k 近邻分类器...................................... 84
4.2.4 支持向量机......................................... 85
4.2.5 神经网络............................................. 85
4.3 项目1——识别猫狗......................86
4.3.1 提出问题............................................. 86
4.3.2 解决方案............................................. 86
4.3.3 预备知识............................................. 86
4.3.4 任务1——将图像信息转存为向量... 89
4.3.5 任务2——批量生成样本数据........... 90
4.3.6 任务3——构建KNN 模型................ 91
4.3.7 任务4——训练KNN 模型................ 91
4.3.8 任务5——评估模型效果................... 92
4.3.9 拓展任务............................................. 94
4.4 项目2——辅助诊断乳腺癌..........95
4.4.1 提出问题............................................. 95
4.4.2 解决方案............................................. 96
4.4.3 预备知识............................................. 96
4.4.4 任务1——构建训练集和测试集....... 98
4.4.5 任务2——构建和训练模型............... 99
4.4.6 任务3——评估模型诊断效果......... 100
4.4.7 拓展任务........................................... 101
模块小结................................................102
课后习题................................................103
模块5 物以类聚：发现新簇.............. 105
5.1 聚类分析.......................................105
5.1.1 何为聚类分析.................................... 105
5.1.2 常见聚类方法.................................... 107
5.1.3 聚类性能度量.................................... 107
5.2 k 均值聚类....................................108
5.2.1 k 均值算法........................................ 108
5.2.2 k 均值算法应用提示......................... 109
5.3 项目1——探究企鹅物种的
分类............................110
5.3.1 提出问题........................................... 110
5.3.2 解决方案........................................... 110
5.3.3 预备知识........................................... 111
5.3.4 任务1——样本数据的预处理......... 114
5.3.5 任务2——确定企鹅物种数量k 的
最佳值............................ 116
5.3.6 任务3——绘制企鹅聚类后的
散点图............................ 118
5.4 项目2——电商客户分类............120
5.4.1 提出问题........................................... 120
5.4.2 解决方案........................................... 120
5.4.3 预备知识........................................... 120
5.4.4 任务1——选择最佳的客户群分类
数目k ............................. 123
5.4.5 任务2——计算3 类客户的RFM
平均值............................ 125
5.4.6 任务3——为3 类客户提出营销
建议................................ 126
模块小结................................................128
课后习题................................................128
模块6 个性化推荐：主动满足你的
需求....................................130
6.1 认识个性化推荐...........................130
6.1.1 个性化推荐的思路........................... 130
6.1.2 推荐算法分类................................... 132
6.1.3 推荐效果评估................................... 139
6.2 项目1——推荐你喜爱的电影....141
6.2.1 提出问题........................................... 141
6.2.2 解决方案........................................... 142
6.2.3 预备知识........................................... 142
6.2.4 任务1——合并电影基本信息和评分
记录................................ 144
6.2.5 任务2——找到与某个用户最相似的n
个用户............................ 145
6.2.6 任务3——给某个用户推荐m 部
电影................................ 147
6.3 项目2——推荐你要一起购买的
商品............................148
6.3.1 提出问题........................................... 148
6.3.2 解决方案........................................... 148
6.3.3 预备知识........................................... 149
6.3.4 任务1——将CSV 文件数据转换为
事务型数据.................... 152
6.3.5 任务2——找出购物清单中频繁被
购买的商品.................... 153
6.3.6 任务3——提取有用的销售关联
规则................................ 155
模块小结................................................156
课后习题................................................156
模块7 语音识别：让机器对你言听
计从.................................... 159
7.1 语音识别.......................................159
7.1.1 语音识别简史.................................... 159
7.1.2 语音识别过程.................................... 160
7.2 深度神经网络...............................164
7.2.1 深度神经网络基础............................ 164
7.2.2 卷积神经网络.................................... 165
7.3 项目1——利用卷积神经网络识别
英文语音数字...............................168
7.3.1 提出问题........................................... 168
7.3.2 解决方案........................................... 168
7.3.3 预备知识........................................... 168
7.3.4 任务1——提取音频文件的语音特征
数据................................ 174
7.3.5 任务2——构建语音数字识别神经网络
模型................................ 175
7.3.6 任务3——利用训练好的模型来识别
语音................................ 177
7.4 项目2——自制一个简单的语音
“阅读”器.................178
7.4.1 提出问题........................................... 178
7.4.2 解决方案........................................... 179
7.4.3 预备知识........................................... 179
7.4.4 任务1——读取需阅读的文件
内容................................ 182
7.4.5 任务2——验证访问语音合成应用的
令牌................................ 183
7.4.6 任务3——调用文本在线合成API 实现
文本—语音转换............. 184
模块小结................................................186
课后习题................................................186
模块8 人脸识别：机器也认识你........ 188
8.1 人脸识别基础...............................188
8.1.1 人脸识别技术发展简史.................... 188
8.1.2 人脸识别系统................................... 189
8.1.3 人脸识别关键技术........................... 191
8.2 认识OpenCV................................193
8.2.1 OpenCV 的框架结构........................ 193
8.2.2 OpenCV 中的人脸分类器................ 194
8.3 项目1——照片智能搜索............196
8.3.1 提出问题........................................... 196
8.3.2 解决方案........................................... 196
8.3.3 预备知识........................................... 196
8.3.4 任务1——训练人脸识别模型......... 201
8.3.5 任务2——利用训练好的模型来搜索
照片................................ 202
8.4 项目2——安全帽检测赋能安全
管理............................203
8.4.1 提出问题........................................... 203
8.4.2 解决方案........................................... 203
8.4.3 预备知识........................................... 204
8.4.4 任务1——准备训练模型用的
样本集............................ 209
8.4.5 任务2——训练YOLOv10 模型...... 210
8.4.6 任务3——检测视频中的人员是否
佩戴安全帽..................... 212
模块小结................................................213
课后习题................................................214
参考文献........................................... 216