理论篇
第1章 人工智能概述 1
1.1 人工智能简介 1
1.1.1 人工智能的定义与核心特征 1
1.1.2 人工智能对人类智能的模拟与超越 2
1.2 人工智能的发展历程 3
1.3 人工智能的产业结构 3
1.4 人工智能的核心技术 4
1.4.1 机器学习 5
1.4.2 知识图谱 5
1.4.3 自然语言处理 6
1.4.4 计算机视觉 7
1.4.5 人机交互 7
1.5 人工智能的应用领域 8
1.6 人工智能风险 9
1.7 本章小结 10
1.8 习题 11
第2章 Python程序设计基础 12
2.1 Python基础知识 12
2.1.1 Python简介 12
2.1.2 Python编程环境 13
2.1.3 Python基本数据类型 17
2.1.4 Python组合数据类型 20
2.1.5 内置函数 27
2.1.6 运算符与表达式 28
2.2 Python程序控制语句 30
2.2.1 条件语句 30
2.2.2 循环语句 33
2.2.3 可迭代对象的遍历方法 34
2.2.4 异常处理 36
2.3 函数 36
2.3.1 函数定义 36
2.3.2 函数调用 37
2.3.3 模块与包的使用 40
2.3.4 第三方库的安装与使用 41
2.3.5 文件操作 43
2.4 本章小结 45
2.5 习题 45
第3章 Numpy数值分析库 47
3.1 Numpy数组创建与操作 47
3.1.1 Numpy数组创建 48
3.1.2 Numpy数组属性 49
3.1.3 Numpy数组基本操作 50
3.1.4 Numpy函数 51
3.2 Numpy数据类型 53
3.2.1 Numpy数据类型概述 53
3.2.2 Numpy数据类型转换 54
3.3 Numpy数组广播机制 54
3.4 特殊数值处理 56
3.5 本章小结 56
3.6 习题 56
第4章 Pandas数据分析库 58
4.1 Pandas数据结构的创建与操作 58
4.1.1 序列创建与基本操作 58
4.1.2 数据框创建与基本操作 61
4.2 数据选择与过滤 63
4.2.1 使用选择器和快速访问器 63
4.2.2 基于条件的数据筛选 65
4.2.3多条件联合筛选 66
4.3 数据分组与聚合 66
4.3.1 数据分组 66
4.3.2 对分组数据进行聚合操作 67
4.3.3 分组后的数据转换 68
4.4 合并和连接 68
4.4.1 数据框合并 69
4.4.2合并方式 69
4.4.3 数据框连接 70
4.5 数据读取和存储 70
4.5.1 读写CSV文件 70
4.5.2 读写Excel文件 71
4.6 数据清洗和预处理 72
4.6.1 缺失值检测与处理 72
4.6.2 异常值检测与处理 73
4.6.3 重复值检测与处理 73
4.6.4 数据类型转换 74
4.7 时间序列处理 74
4.7.1 时间序列生成与索引设置 75
4.7.2 时间间隔计算与转换 76
4.7.3时间序列数据重采样 77
4.7.4 移动窗口计算 77
4.7.5时间序列数据分析 78
4.8 本章小结 79
4.9 习题 80
第5章 计算机视觉技术与应用 81
5.1 计算机视觉基础 81
5.1.1 计算机视觉的概念与发展历程 81
5.1.2 计算机视觉处理流程 82
5.1.3 计算机视觉与相关领域的联系与区别 85
5.1.4 应用领域 87
5.2 计算机视觉的基本任务 87
5.2.1 图像分类 87
5.2.2 目标检测与定位 88
5.2.3 图像分割 89
5.3 计算机视觉常见应用 91
5.3.1 图像技术 91
5.3.2 OCR及其应用 97
5.3.3 人脸识别及其应用 99
5.3.4 人体分析及其应用 102
5.4 计算机视觉技术面临的挑战与未来发展 105
5.4.1 计算机视觉技术面临的挑战 105
5.4.2 计算机视觉技术的未来发展趋势与展望 106
5.5 本章小结 107
5.6 习题 107
第6章 智能语音处理与应用 110
6.1 智能语音处理概述 110
6.1.1 智能语音处理的概念及其发展历程 110
6.1.2 智能语音处理的关键环节 111
6.1.3 智能语音处理的应用领域 112
6.2 智能语音常用技术 113
6.2.1 语音增强 113
6.2.2 语音识别 114
6.2.3 语音合成 116
6.3 智能语音处理常见应用 117
6.3.1 语音识别应用 117
6.3.2 语音合成应用 119
6.3.3 其他语音拓展应用 120
6.4 智能语音处理面临的挑战与未来发展趋势 121
6.4.1 智能语音处理面临的挑战 121
6.4.2 智能语音处理未来发展趋势 122
6.5 本章小结 123
6.6 习题 123
第7 章自然语言处理与应用 126
7.1 自然语言处理概述基础 126
7.1.1 自然语言处理的概念及其发展历程 126
7.1.2 语言学基础 127
7.1.3 自然语言中的歧义问题 130
7.2 自然语言处理基础任务 132
7.2.1 文本清洗 132
7.2.2 分词 133
7.2.3 词性标注 134
7.2.4 命名实体识别 135
7.2.5 依存句法分析 136
7.3 自然语言处理常见应用 137
7.3.1 语言理解 137
7.3.2 语言生成 146
7.3.3 机器翻译 148
7.3.4 内容审核 149
7.3.5 个性化推荐 150
7.3.6 智能问答-聊天机器人 152
7.4 自然语言处理技术前沿 153
7.4.1 多模态融合 153
7.4.2 可解释性自然语言处理 154
7.4.3 深度学习模型的不断演进 154
7.5 本章小结 155
7.6 习题 155
第8章 生成式大模型应用 158
8.1 生成式大模型概述 158
8.1.1生成式大模型简介 158
8.1.2 国外主流生成式大模型介绍 159
8.1.3 国内主要生成式大模型介绍 160
8.2 文心一言在学习方面的应用 163
8.3 文心一言在工作方面的应用 164
8.4 文心一言在生活娱乐方面的应用 166
8.5 文小言App 169
8.6 本章小结 170
8.7 习题 170
实验篇
实验1 Python程序设计基础实验 172
实验2 Numpy数值分析库实验 176
实验3 Pandas数据分析库实验 178
实验4 百度人工智能能力应用体验 181
实验5 基于百度AI开放平台的文字识别应用开发 184
实验6 基于百度AI开放平台的人脸识别考勤应用开发 192
实验7 智能语音应用体验 201
实验8 FAQ自动化交互问答系统开发 204
实验9 基于百度AI开放平台的录音转写应用开发 211
实验10 基于百度AI开放平台的自然语言处理体验与应用开发 218
实验11 电商用户评论的情感倾向分析 223
实验12 基于文心一言的学习效率提升实验 232
实验13 基于文心一言的工作与生活娱乐场景应用实验 237
参考文献 246