人工智能技术应用（配套智慧职教数字课程、微课、教学课件、案例源代码、习题答案） / 高等职业教育“新专标”计算机类课程系列教材，新形态一体化教材
定价：￥48.00
作者： 胡坚，张红，李寅
出版社：高等教育出版社
- 高等教育出版社
- 9787040668940
- 1版
- 48271596-8
- 16开
- 430
- 电子与信息大类
- 计算机类
- 计算机应用技术
- 高职
内容简介
本书内容紧扣“人工智能+”行动要求，从AI基础知识入手，逐步探究其在各行业领域应用的新模式。全书共9个单元，主要内容包括人工智能基本概念、人工智能开发语言、人工智能程序库、人工智能框架、机器学习、深度学习、计算机视觉、自然语言处理以及语音处理。在深入讲解相关知识、剖析技术案例的基础上，同步开发了一个功能丰富的“电商AI综合应用”企业级项目。
本书配有微课视频、教学课件、课程标准、授课计划、案例源码、习题答案、在线题库等丰富的数字化教学资源。与本书配套的数字课程“人工智能技术应用”在“智慧职教”平台（www.icve.com.cn）上线，学习者可登录平台进行在线学习，授课教师可调用本课程构建符合自身教学特色的SPOC，详见“智慧职教”服务指南。授课教师也可登录“高等教育出版社产品信息检索系统”（xuanshu.hep.com.cn）搜索并下载本书配套教学资源，首次使用本系统的用户，请先进行注册并完成教师资格认证。
本书内容由浅入深，知识点覆盖全面且融合当前主流AI技术，适合作为高等职业院校计算机类专业的人工智能课程教材，也可供广大人工智能技术爱好者参考使用。
目录
目录
前辅文
基础篇
单元1 初识人工智能
学习目标
单元重点
案例资源
单元导引
1.1 人工智能概述
1.1.1 人工智能的基本概念
1.1.2 人工智能的特征
1.2 人工智能发展历程
1.2.1 人工智能发展史
1.2.2 人工智能研究现状
1.2.3 人工智能的前景与挑战
1.3 人工智能主流应用
1.3.1 知识图谱
1.3.2 计算机视觉
1.3.3 自然语言处理
1.3.4 语音识别
1.3.5 数字机器人
1.3.6 数字人
1.3.7 多模态大模型
1.3.8 机器人
同步训练
训练：智能对话与创意写作
综合案例
案例1：盘古大模型应用
单元小结
单元测试
单元2 人工智能开发语言Python
学习目标
单元重点
案例资源
单元导引
2.1 Python基础知识
2.1.1 Python简介
2.1.2 Python安装与使用
2.1.3 Python的基本语法
2.2 Python常用IDE
2.2.1 PyCharm的基本使用方法
2.2.2 Anaconda与Jupyter使用
2.3 Python常用库
2.3.1 Pandas和NumPy
2.3.2 Matplotlib数据可视化
2.3.3 scikit-learn基本使用
同步训练
训练2-1：创建模拟成绩数据
训练2-2：成绩分析与可视化处理
综合案例
案例2：销售数据分析及可视化
单元小结
单元测试
技术篇
单元3 人工智能程序库PyTorch
学习目标
单元重点
案例资源
单元导引
3.1 PyTorch概述
3.2 PyTorch下载与安装
3.2.1 在Windows环境下安装
3.2.2 在Linux环境下安装
3.3 PyTorch基础语法
3.3.1 Tensor的数据类型
3.3.2 Tensor的创建
3.3.3 Tensor的基本操作
3.3.4 Tensor的自动微分
3.4 PyTorch模型搭建
同步训练
训练3-1：使用PyTorch创建线性回归模型
训练3-2：线性回归模型评估与测试
综合案例
案例3：财务收据手写数字识别
单元小结
单元测试
单元4 人工智能框架MindSpore
学习目标
单元重点
案例资源
单元导引
4.1 MindSpore基本知识
4.1.1 MindSpore概述
4.1.2 MindSpore的特点
4.1.3 MindSpore层次结构
4.2 MindSpore开发实践
4.2.1 MindSpore开发流程
4.2.2 MindSpore数据处理
4.2.3 MindSpore模型定义
4.2.4 MindSpore模型训练
4.2.5 MindSpore保存与转换
同步训练
训练4-1：数据集处理
训练4-2：ModelArts云上训练
综合案例
案例4：以图搜物的手机AI应用
单元小结
单元测试
单元5 机器学习
学习目标
单元重点
案例资源
单元导引
5.1 机器学习概述
5.1.1 机器学习的基本概念
5.1.2 机器学习基本过程
5.2 机器学习基础算法
5.2.1 线性回归
5.2.2 K近邻算法
5.2.3 决策树
5.2.4 K-means
同步训练
训练5-1：使用KNN算法对鸢尾花分类
训练5-2：决策树在金融风控中的应用
综合案例
案例5：在线看房的价格预测系统
单元小结
单元测试
单元6 深度学习
学习目标
单元重点
案例资源
单元导引
6.1 深度学习概述
6.1.1 深度学习的基本概念
6.1.2 BP神经网络
6.2 卷积神经网络
6.2.1 卷积神经网络原理
6.2.2 LeNet
6.2.3 VGG
6.2.4 ResNet
6.3 循环神经网络
6.3.1 循环神经网络原理
6.3.2 RNN实现及RNN变种
6.3.3 LSTM
同步训练
训练6-1：使用卷积神经网络进行猫狗分类
训练6-2：使用循环神经网络实现电影评价分类
综合案例
案例6：基于直播电商的用户画像
单元小结
单元测试
应用篇
单元7 计算机视觉
学习目标
单元重点
案例资源
单元导引
7.1 计算机视觉概述
7.1.1 计算机视觉的基本概念
7.1.2 计算机视觉的发展
7.2 机器理解图像的方式
7.2.1 图像数据表示
7.2.2 图像数据增广
7.2.3 经典图像数据集
7.3 计算机视觉主要任务
7.3.1 图像分类
7.3.2 目标检测
7.3.3 语义分割
7.3.4 骨架检测
同步训练
训练7-1：增广图像数据
训练7-2：手部关键点检测
综合案例
案例7：选购电商场景中的商品
单元小结
单元测试
单元8 自然语言处理
学习目标
单元重点
案例资源
单元导引
8.1 自然语言处理概述
8.1.1 自然语言与自然语言处理
8.1.2 自然语言处理的发展
8.2 机器理解自然语言的方式
8.2.1 文本数据预处理
8.2.2 词向量
8.2.3 常见自然语言数据集
8.3 自然语言处理典型应用
同步训练
训练8-1：实现词性标注
训练8-2：计算文本相似度
综合案例
案例8：电商客户评价智能分析
单元小结
单元测试
单元9 语音处理
学习目标
单元重点
案例资源
单元导引
9.1 语音处理概述
9.1.1 语音学基础
9.1.2 语音处理技术
9.2 机器合成语音的方式
9.2.1 语音合成算法
9.2.2 TTS开源库
9.2.3 Tacotron2模型
9.3 语音处理的主要任务
同步训练
训练9-1：中文文本的语音合成
训练9-2：Mel频谱图的绘制
综合案例
案例9：商品导购词的语音合成
单元小结
单元测试
参考文献
前辅文
基础篇
单元1 初识人工智能
学习目标
单元重点
案例资源
单元导引
1.1 人工智能概述
1.1.1 人工智能的基本概念
1.1.2 人工智能的特征
1.2 人工智能发展历程
1.2.1 人工智能发展史
1.2.2 人工智能研究现状
1.2.3 人工智能的前景与挑战
1.3 人工智能主流应用
1.3.1 知识图谱
1.3.2 计算机视觉
1.3.3 自然语言处理
1.3.4 语音识别
1.3.5 数字机器人
1.3.6 数字人
1.3.7 多模态大模型
1.3.8 机器人
同步训练
训练：智能对话与创意写作
综合案例
案例1：盘古大模型应用
单元小结
单元测试
单元2 人工智能开发语言Python
学习目标
单元重点
案例资源
单元导引
2.1 Python基础知识
2.1.1 Python简介
2.1.2 Python安装与使用
2.1.3 Python的基本语法
2.2 Python常用IDE
2.2.1 PyCharm的基本使用方法
2.2.2 Anaconda与Jupyter使用
2.3 Python常用库
2.3.1 Pandas和NumPy
2.3.2 Matplotlib数据可视化
2.3.3 scikit-learn基本使用
同步训练
训练2-1：创建模拟成绩数据
训练2-2：成绩分析与可视化处理
综合案例
案例2：销售数据分析及可视化
单元小结
单元测试
技术篇
单元3 人工智能程序库PyTorch
学习目标
单元重点
案例资源
单元导引
3.1 PyTorch概述
3.2 PyTorch下载与安装
3.2.1 在Windows环境下安装
3.2.2 在Linux环境下安装
3.3 PyTorch基础语法
3.3.1 Tensor的数据类型
3.3.2 Tensor的创建
3.3.3 Tensor的基本操作
3.3.4 Tensor的自动微分
3.4 PyTorch模型搭建
同步训练
训练3-1：使用PyTorch创建线性回归模型
训练3-2：线性回归模型评估与测试
综合案例
案例3：财务收据手写数字识别
单元小结
单元测试
单元4 人工智能框架MindSpore
学习目标
单元重点
案例资源
单元导引
4.1 MindSpore基本知识
4.1.1 MindSpore概述
4.1.2 MindSpore的特点
4.1.3 MindSpore层次结构
4.2 MindSpore开发实践
4.2.1 MindSpore开发流程
4.2.2 MindSpore数据处理
4.2.3 MindSpore模型定义
4.2.4 MindSpore模型训练
4.2.5 MindSpore保存与转换
同步训练
训练4-1：数据集处理
训练4-2：ModelArts云上训练
综合案例
案例4：以图搜物的手机AI应用
单元小结
单元测试
单元5 机器学习
学习目标
单元重点
案例资源
单元导引
5.1 机器学习概述
5.1.1 机器学习的基本概念
5.1.2 机器学习基本过程
5.2 机器学习基础算法
5.2.1 线性回归
5.2.2 K近邻算法
5.2.3 决策树
5.2.4 K-means
同步训练
训练5-1：使用KNN算法对鸢尾花分类
训练5-2：决策树在金融风控中的应用
综合案例
案例5：在线看房的价格预测系统
单元小结
单元测试
单元6 深度学习
学习目标
单元重点
案例资源
单元导引
6.1 深度学习概述
6.1.1 深度学习的基本概念
6.1.2 BP神经网络
6.2 卷积神经网络
6.2.1 卷积神经网络原理
6.2.2 LeNet
6.2.3 VGG
6.2.4 ResNet
6.3 循环神经网络
6.3.1 循环神经网络原理
6.3.2 RNN实现及RNN变种
6.3.3 LSTM
同步训练
训练6-1：使用卷积神经网络进行猫狗分类
训练6-2：使用循环神经网络实现电影评价分类
综合案例
案例6：基于直播电商的用户画像
单元小结
单元测试
应用篇
单元7 计算机视觉
学习目标
单元重点
案例资源
单元导引
7.1 计算机视觉概述
7.1.1 计算机视觉的基本概念
7.1.2 计算机视觉的发展
7.2 机器理解图像的方式
7.2.1 图像数据表示
7.2.2 图像数据增广
7.2.3 经典图像数据集
7.3 计算机视觉主要任务
7.3.1 图像分类
7.3.2 目标检测
7.3.3 语义分割
7.3.4 骨架检测
同步训练
训练7-1：增广图像数据
训练7-2：手部关键点检测
综合案例
案例7：选购电商场景中的商品
单元小结
单元测试
单元8 自然语言处理
学习目标
单元重点
案例资源
单元导引
8.1 自然语言处理概述
8.1.1 自然语言与自然语言处理
8.1.2 自然语言处理的发展
8.2 机器理解自然语言的方式
8.2.1 文本数据预处理
8.2.2 词向量
8.2.3 常见自然语言数据集
8.3 自然语言处理典型应用
同步训练
训练8-1：实现词性标注
训练8-2：计算文本相似度
综合案例
案例8：电商客户评价智能分析
单元小结
单元测试
单元9 语音处理
学习目标
单元重点
案例资源
单元导引
9.1 语音处理概述
9.1.1 语音学基础
9.1.2 语音处理技术
9.2 机器合成语音的方式
9.2.1 语音合成算法
9.2.2 TTS开源库
9.2.3 Tacotron2模型
9.3 语音处理的主要任务
同步训练
训练9-1：中文文本的语音合成
训练9-2：Mel频谱图的绘制
综合案例
案例9：商品导购词的语音合成
单元小结
单元测试
参考文献
前辅文
基础篇
单元1 初识人工智能
学习目标
单元重点
案例资源
单元导引
1.1 人工智能概述
1.1.1 人工智能的基本概念
1.1.2 人工智能的特征
1.2 人工智能发展历程
1.2.1 人工智能发展史
1.2.2 人工智能研究现状
1.2.3 人工智能的前景与挑战
1.3 人工智能主流应用
1.3.1 知识图谱
1.3.2 计算机视觉
1.3.3 自然语言处理
1.3.4 语音识别
1.3.5 数字机器人
1.3.6 数字人
1.3.7 多模态大模型
1.3.8 机器人
同步训练
训练：智能对话与创意写作
综合案例
案例1：盘古大模型应用
单元小结
单元测试
单元2 人工智能开发语言Python
学习目标
单元重点
案例资源
单元导引
2.1 Python基础知识
2.1.1 Python简介
2.1.2 Python安装与使用
2.1.3 Python的基本语法
2.2 Python常用IDE
2.2.1 PyCharm的基本使用方法
2.2.2 Anaconda与Jupyter使用
2.3 Python常用库
2.3.1 Pandas和NumPy
2.3.2 Matplotlib数据可视化
2.3.3 scikit-learn基本使用
同步训练
训练2-1：创建模拟成绩数据
训练2-2：成绩分析与可视化处理
综合案例
案例2：销售数据分析及可视化
单元小结
单元测试
技术篇
单元3 人工智能程序库PyTorch
学习目标
单元重点
案例资源
单元导引
3.1 PyTorch概述
3.2 PyTorch下载与安装
3.2.1 在Windows环境下安装
3.2.2 在Linux环境下安装
3.3 PyTorch基础语法
3.3.1 Tensor的数据类型
3.3.2 Tensor的创建
3.3.3 Tensor的基本操作
3.3.4 Tensor的自动微分
3.4 PyTorch模型搭建
同步训练
训练3-1：使用PyTorch创建线性回归模型
训练3-2：线性回归模型评估与测试
综合案例
案例3：财务收据手写数字识别
单元小结
单元测试
单元4 人工智能框架MindSpore
学习目标
单元重点
案例资源
单元导引
4.1 MindSpore基本知识
4.1.1 MindSpore概述
4.1.2 MindSpore的特点
4.1.3 MindSpore层次结构
4.2 MindSpore开发实践
4.2.1 MindSpore开发流程
4.2.2 MindSpore数据处理
4.2.3 MindSpore模型定义
4.2.4 MindSpore模型训练
4.2.5 MindSpore保存与转换
同步训练
训练4-1：数据集处理
训练4-2：ModelArts云上训练
综合案例
案例4：以图搜物的手机AI应用
单元小结
单元测试
单元5 机器学习
学习目标
单元重点
案例资源
单元导引
5.1 机器学习概述
5.1.1 机器学习的基本概念
5.1.2 机器学习基本过程
5.2 机器学习基础算法
5.2.1 线性回归
5.2.2 K近邻算法
5.2.3 决策树
5.2.4 K-means
同步训练
训练5-1：使用KNN算法对鸢尾花分类
训练5-2：决策树在金融风控中的应用
综合案例
案例5：在线看房的价格预测系统
单元小结
单元测试
单元6 深度学习
学习目标
单元重点
案例资源
单元导引
6.1 深度学习概述
6.1.1 深度学习的基本概念
6.1.2 BP神经网络
6.2 卷积神经网络
6.2.1 卷积神经网络原理
6.2.2 LeNet
6.2.3 VGG
6.2.4 ResNet
6.3 循环神经网络
6.3.1 循环神经网络原理
6.3.2 RNN实现及RNN变种
6.3.3 LSTM
同步训练
训练6-1：使用卷积神经网络进行猫狗分类
训练6-2：使用循环神经网络实现电影评价分类
综合案例
案例6：基于直播电商的用户画像
单元小结
单元测试
应用篇
单元7 计算机视觉
学习目标
单元重点
案例资源
单元导引
7.1 计算机视觉概述
7.1.1 计算机视觉的基本概念
7.1.2 计算机视觉的发展
7.2 机器理解图像的方式
7.2.1 图像数据表示
7.2.2 图像数据增广
7.2.3 经典图像数据集
7.3 计算机视觉主要任务
7.3.1 图像分类
7.3.2 目标检测
7.3.3 语义分割
7.3.4 骨架检测
同步训练
训练7-1：增广图像数据
训练7-2：手部关键点检测
综合案例
案例7：选购电商场景中的商品
单元小结
单元测试
单元8 自然语言处理
学习目标
单元重点
案例资源
单元导引
8.1 自然语言处理概述
8.1.1 自然语言与自然语言处理
8.1.2 自然语言处理的发展
8.2 机器理解自然语言的方式
8.2.1 文本数据预处理
8.2.2 词向量
8.2.3 常见自然语言数据集
8.3 自然语言处理典型应用
同步训练
训练8-1：实现词性标注
训练8-2：计算文本相似度
综合案例
案例8：电商客户评价智能分析
单元小结
单元测试
单元9 语音处理
学习目标
单元重点
案例资源
单元导引
9.1 语音处理概述
9.1.1 语音学基础
9.1.2 语音处理技术
9.2 机器合成语音的方式
9.2.1 语音合成算法
9.2.2 TTS开源库
9.2.3 Tacotron2模型
9.3 语音处理的主要任务
同步训练
训练9-1：中文文本的语音合成
训练9-2：Mel频谱图的绘制
综合案例
案例9：商品导购词的语音合成
单元小结
单元测试
参考文献
前辅文
基础篇
单元1 初识人工智能
学习目标
单元重点
案例资源
单元导引
1.1 人工智能概述
1.1.1 人工智能的基本概念
1.1.2 人工智能的特征
1.2 人工智能发展历程
1.2.1 人工智能发展史
1.2.2 人工智能研究现状
1.2.3 人工智能的前景与挑战
1.3 人工智能主流应用
1.3.1 知识图谱
1.3.2 计算机视觉
1.3.3 自然语言处理
1.3.4 语音识别
1.3.5 数字机器人
1.3.6 数字人
1.3.7 多模态大模型
1.3.8 机器人
同步训练
训练：智能对话与创意写作
综合案例
案例1：盘古大模型应用
单元小结
单元测试
单元2 人工智能开发语言Python
学习目标
单元重点
案例资源
单元导引
2.1 Python基础知识
2.1.1 Python简介
2.1.2 Python安装与使用
2.1.3 Python的基本语法
2.2 Python常用IDE
2.2.1 PyCharm的基本使用方法
2.2.2 Anaconda与Jupyter使用
2.3 Python常用库
2.3.1 Pandas和NumPy
2.3.2 Matplotlib数据可视化
2.3.3 scikit-learn基本使用
同步训练
训练2-1：创建模拟成绩数据
训练2-2：成绩分析与可视化处理
综合案例
案例2：销售数据分析及可视化
单元小结
单元测试
技术篇
单元3 人工智能程序库PyTorch
学习目标
单元重点
案例资源
单元导引
3.1 PyTorch概述
3.2 PyTorch下载与安装
3.2.1 在Windows环境下安装
3.2.2 在Linux环境下安装
3.3 PyTorch基础语法
3.3.1 Tensor的数据类型
3.3.2 Tensor的创建
3.3.3 Tensor的基本操作
3.3.4 Tensor的自动微分
3.4 PyTorch模型搭建
同步训练
训练3-1：使用PyTorch创建线性回归模型
训练3-2：线性回归模型评估与测试
综合案例
案例3：财务收据手写数字识别
单元小结
单元测试
单元4 人工智能框架MindSpore
学习目标
单元重点
案例资源
单元导引
4.1 MindSpore基本知识
4.1.1 MindSpore概述
4.1.2 MindSpore的特点
4.1.3 MindSpore层次结构
4.2 MindSpore开发实践
4.2.1 MindSpore开发流程
4.2.2 MindSpore数据处理
4.2.3 MindSpore模型定义
4.2.4 MindSpore模型训练
4.2.5 MindSpore保存与转换
同步训练
训练4-1：数据集处理
训练4-2：ModelArts云上训练
综合案例
案例4：以图搜物的手机AI应用
单元小结
单元测试
单元5 机器学习
学习目标
单元重点
案例资源
单元导引
5.1 机器学习概述
5.1.1 机器学习的基本概念
5.1.2 机器学习基本过程
5.2 机器学习基础算法
5.2.1 线性回归
5.2.2 K近邻算法
5.2.3 决策树
5.2.4 K-means
同步训练
训练5-1：使用KNN算法对鸢尾花分类
训练5-2：决策树在金融风控中的应用
综合案例
案例5：在线看房的价格预测系统
单元小结
单元测试
单元6 深度学习
学习目标
单元重点
案例资源
单元导引
6.1 深度学习概述
6.1.1 深度学习的基本概念
6.1.2 BP神经网络
6.2 卷积神经网络
6.2.1 卷积神经网络原理
6.2.2 LeNet
6.2.3 VGG
6.2.4 ResNet
6.3 循环神经网络
6.3.1 循环神经网络原理
6.3.2 RNN实现及RNN变种
6.3.3 LSTM
同步训练
训练6-1：使用卷积神经网络进行猫狗分类
训练6-2：使用循环神经网络实现电影评价分类
综合案例
案例6：基于直播电商的用户画像
单元小结
单元测试
应用篇
单元7 计算机视觉
学习目标
单元重点
案例资源
单元导引
7.1 计算机视觉概述
7.1.1 计算机视觉的基本概念
7.1.2 计算机视觉的发展
7.2 机器理解图像的方式
7.2.1 图像数据表示
7.2.2 图像数据增广
7.2.3 经典图像数据集
7.3 计算机视觉主要任务
7.3.1 图像分类
7.3.2 目标检测
7.3.3 语义分割
7.3.4 骨架检测
同步训练
训练7-1：增广图像数据
训练7-2：手部关键点检测
综合案例
案例7：选购电商场景中的商品
单元小结
单元测试
单元8 自然语言处理
学习目标
单元重点
案例资源
单元导引
8.1 自然语言处理概述
8.1.1 自然语言与自然语言处理
8.1.2 自然语言处理的发展
8.2 机器理解自然语言的方式
8.2.1 文本数据预处理
8.2.2 词向量
8.2.3 常见自然语言数据集
8.3 自然语言处理典型应用
同步训练
训练8-1：实现词性标注
训练8-2：计算文本相似度
综合案例
案例8：电商客户评价智能分析
单元小结
单元测试
单元9 语音处理
学习目标
单元重点
案例资源
单元导引
9.1 语音处理概述
9.1.1 语音学基础
9.1.2 语音处理技术
9.2 机器合成语音的方式
9.2.1 语音合成算法
9.2.2 TTS开源库
9.2.3 Tacotron2模型
9.3 语音处理的主要任务
同步训练
训练9-1：中文文本的语音合成
训练9-2：Mel频谱图的绘制
综合案例
案例9：商品导购词的语音合成
单元小结
单元测试
参考文献
