內容大鋼
本書主要介紹了人工智慧的基礎知識、人工智慧的編程語言（Python）及人工智慧領域的核心技術和應用。全書包含理論篇與實驗篇兩部分。理論篇共8章，包括人工智慧概述、Python程序設計基礎、Numpy數值分析庫、pandas數據分析庫、電腦視覺技術與應用、智能語音技術與應用、自然語言處理與應用、生成式大模型應用等內容；實驗篇設計了與理論章節配套的13個實驗項目。
本書以培養讀者人工智慧素養、程序設計思維和人工智慧基本應用能力為目標，通過理論與實踐相結合的方式，旨在幫助讀者建立起系統的人工智慧知識體系，並在實踐中提升其解決實際問題的能力。書中的實驗設計緊密聯繫實際應用，使讀者能夠在學習中體驗到人工智慧技術的實際應用價值。
目錄
理論篇
第1章 人工智慧概述
1.1 人工智慧簡介
1.1.1 人工智慧的定義與核心特徵
1.1.2 人工智慧對人類智能的模擬與超越
1.2 人工智慧的發展歷程
1.3 人工智慧的產業結構
1.4 人工智慧的核心技術
1.4.1 機器學習
1.4.2 知識圖譜
1.4.3 自然語言處理
1.4.4 電腦視覺
1.4.5 人機交互
1.5 人工智慧的應用領域
1.6 人工智慧風險
1.7 本章小結
1.8 習題
第2章 Python程序設計基礎
2.1 Python基礎知識
2.1.1 Python簡介
2.1.2 Python編程環境
2.1.3 Python基本數據類型
2.1.4 Python組合數據類型
2.1.5 內置函數
2.1.6 運算符與表達式
2.2 Python程序控制語句
2.2.1 條件語句
2.2.2 循環語句
2.2.3 可迭代對象的遍歷方法
2.2.4 異常處理
2.3 函數
2.3.1 函數定義
2.3.2 函數調用
2.3.3 模塊與包的使用
2.3.4 第三方庫的安裝與使用
2.3.5 文件操作
2.4 本章小結
2.5 習題
第3章 Numpy數值分析庫
3.1 Numpy數組創建與操作
3.1.1 Numpy數組創建
3.1.2 Numpy數組屬性
3.1.3 Numpy數組基本操作
3.1.4 Numpy函數
3.2 Numpy數據類型
3.2.1 Numpy數據類型概述
3.2.2 Numpy數據類型轉換
3.3 Numpy數組廣播機制
3.4 特殊數值處理
3.5 本章小結
3.6 習題
第4章 Pandas數據分析庫
4.1 Pandas數據結構的創建與操作
4.1.1 序列創建與基本操作
4.1.2 數據框創建與基本操作
4.2 數據選擇與過濾
4.2.1 使用選擇器和快速訪問器
4.2.2 基於條件的數據篩選
4.2.3 多條件聯合篩選
4.3 數據分組與聚合
4.3.1 數據分組
4.3.2 對分組數據進行聚合操作
4.3.3 分組后的數據轉換
4.4 合併和連接
4.4.1 數據框合併
4.4.2 合併方式
4.4.3 數據框連接
4.5 數據讀取和存儲
4.5.1 讀寫CSV文件
4.5.2 讀寫Excel文件
4.6 數據清洗和預處理
4.6.1 缺失值檢測與處理
4.6.2 異常值檢測與處理
4.6.3 重複值檢測與處理
4.6.4 數據類型轉換
4.7 時間序列處理
4.7.1 時間序列生成與索引設置
4.7.2 時間間隔計算與轉換
4.7.3 時間序列數據重採樣
4.7.4 移動窗口計算
4.7.5 時間序列數據分析
4.8 本章小結
4.9 習題
第5章 電腦視覺技術與應用
5.1 電腦視覺基礎
5.1.1 電腦視覺的概念與發展歷程
5.1.2 電腦視覺處理流程
5.1.3 電腦視覺與相關領域的聯繫與區別
5.1.4 應用領域
5.2 電腦視覺的基本任務
5.2.1 圖像分類
5.2.2 目標檢測與定位
5.2.3 圖像分割
5.3 電腦視覺常見應用
5.3.1 圖像技術
5.3.2 OCR及其應用
5.3.3 人臉識別及其應用
5.3.4 人體分析及其應用
5.4 電腦視覺技術面臨的挑戰與未來發展
5.4.1 電腦視覺技術面臨的挑戰
5.4.2 電腦視覺技術的未來發展趨勢與展望
5.5 本章小結
5.6 習題
第6章 智能語音處理與應用
6.1 智能語音處理概述
6.1.1 智能語音處理的概念及其發展歷程
6.1.2 智能語音處理的關鍵環節
6.1.3 智能語音處理的應用領域
6.2 智能語音常用技術
6.2.1 語音增強
6.2.2 語音識別
6.2.3 語音合成
6.3 智能語音處理常見應用
6.3.1 語音識別應用
6.3.2 語音合成應用
6.3.3 其他語音拓展應用
6.4 智能語音處理面臨的挑戰與未來發展趨勢
6.4.1 智能語音處理面臨的挑戰
6.4.2 智能語音處理未來發展趨勢
6.5 本章小結
6.6 習題
第7章 自然語言處理與應用
7.1 自然語言處理概述基礎
7.1.1 自然語言處理的概念及其發展歷程
7.1.2 語言學基礎
7.1.3 自然語言中的歧義問題
7.2 自然語言處理基礎任務
7.2.1 文本清洗
7.2.2 分詞
7.2.3 詞性標注
7.2.4 命名實體識別
7.2.5 依存句法分析
7.3 自然語言處理常見應用
7.3.1 語言理解
7.3.2 語言生成
7.3.3 機器翻譯
7.3.4 內容審核
7.3.5 個性化推薦
7.3.6 智能問答-聊天機器人
7.4 自然語言處理技術前沿
7.4.1 多模態融合
7.4.2 可解釋性自然語言處理
7.4.3 深度學習模型的不斷演進
7.5 本章小結
7.6 習題
第8章 生成式大模型應用
8.1 生成式大模型概述
8.1.1 生成式大模型簡介
8.1.2 國外主流生成式大模型介紹
8.1.3 國內主要生成式大模型介紹
8.2 文心一言在學習方面的應用
8.3 文心一言在工作方面的應用
8.4 文心一言在生活娛樂方面的應用
8.5 &
[