第1章 人工智能的产生与发展 1__eol__1.1 引言—激动人心的AI-2016 1__eol__1.2 人工智能的产生与发展 6__eol__1.3 认识人工智能的赋能 9__eol__1.4 人工智能、机器学习与深度学习 18__eol__1.5 算法、算力与大数据 22__eol__1.6 人工智能的产业生态 24__eol__1.6.1 人工智能产业链的三层划分 24__eol__1.6.2 基础层 25__eol__1.6.3 技术层 29__eol__1.6.4 应用层 30__eol__1.7 科技巨头在AI领域的布局 31__eol__1.7.1 国外科技巨头在AI领域的布局 31__eol__1.7.2 中国科技巨头在AI领域的布局 33__eol__1.7.3 全球各国人工智能政策 37__eol__1.7.4 中美竞赛 38__eol__1.8 人工智能技术应用的学习路径 38__eol__第2章 人工智能典型应用展现与体验 40__eol__2.1 科大讯飞语音综合服务开放平台 40__eol__2.2 指纹识别 46__eol__2.3 人脸识别系统 49__eol__2.4 电子商务人工智能应用 50__eol__2.5 商业智能 55__eol__2.6 智能商用服务机器人 59__eol__2.7 智能视频监控 67__eol____eol__第3章 Python语言基础 73__eol__3.1 Python语言的产生与发展 73__eol__3.2 Python开发环境搭建 74__eol__3.3 Python常用语句 81__eol__3.4 列表、元组、字典和字符串 87__eol__3.5 Python的函数 96__eol__3.5.1 自定义函数 96__eol__3.5.2 Python常用内置函数 100__eol__3.6 Python矩阵运算 103__eol__3.7 Python库 106__eol__3.8 典型样板程序 107__eol__第4章 Python数据处理 112__eol__4.1 常见数据集简介 112__eol__4.1.1 MNIST数据集 112__eol__4.1.2 CTW数据集 114__eol__4.2 数据收集、整理与清洗 115__eol__4.2.1 数据收集 115__eol__4.2.2 数据整理 122__eol__4.2.3 数据清洗 125__eol__4.3 数据分析 130__eol__4.3.1 CSV文件 130__eol__4.3.2 Excel文件 134__eol__4.3.3 数据库 139__eol__4.4 数据可视化 141__eol__4.4.1 matplotlib库应用 141__eol__4.4.2 pandas库应用 144__eol__4.4.3 seaborn应用 145__eol__4.5 图像处理 146__eol__4.5.1 数字图像处理技术 146__eol__4.5.2 图像格式的转化 147__eol__4.5.3 Python图像处理 149__eol__第5章 机器学习及其典型算法应用 155__eol__5.1 机器学习简介 155__eol__5.1.1 基本含义 155__eol__5.1.2 应用场景 155__eol__5.1.3 机器学习类型 157__eol__5.1.4 相关术语 159__eol__5.1.5 scikit-learn平台 160__eol__5.2 分类任务 163__eol__5.2.1 分类的含义 163__eol__5.2.2 分类主要算法 164__eol__5.2.3 分类任务示例 167__eol__5.3 回归任务 171__eol__5.3.1 回归的含义 171__eol__5.3.2 回归主要算法 171__eol__5.3.3 回归任务示例 171__eol__5.4 聚类任务 175__eol__5.4.1 聚类的含义 175__eol__5.4.2 聚类主要算法 175__eol__5.4.3 聚类任务示例 177__eol__5.5 机器学习应用实例 178__eol__5.5.1 手写数字识别 178__eol__5.5.2 波士顿房价预测 180__eol__第6章　神经网络及其基础算法应用 187__eol__6.1 神经网络简介 187__eol__6.1.1 神经网络的概念与地位 187__eol__6.1.2 生物神经元 188__eol__6.1.3 人工神经元模型与神经网络 189__eol__6.1.4 感知器算法及应用示例 191__eol__6.2 前馈型神经网络 195__eol__6.2.1 前馈神经网络模型 195__eol__6.2.2 反向传播神经网络 196__eol__6.2.3 反向传播神经网络算法规则 197__eol__6.2.4 反向传播神经网络应用示例 198__eol__6.3 反馈型神经网络 202__eol__6.3.1 反馈神经网络模型 202__eol__6.3.2 离散Hopfield神经网络 203__eol__6.3.3 连续Hopfield神经网络 208__eol__6.3.4 用DHNN识别残缺的字母 211__eol__6.4 卷积神经网络 214__eol__6.4.1 卷积与卷积神经网络简介 214__eol__6.4.2 卷积神经网络的结构—以LeNet-5为例 217__eol__6.4.3 CNN的学习规则 226__eol__6.4.4 CNN应用示例 228__eol__第7章　深度学习及其典型算法应用 232__eol__7.1 神经网络可视化工具—PlayGround 232__eol__7.2 TensorFlow深度学习平台 240__eol__7.2.1 TensorFlow简介 240__eol__7.2.2 TensorFlow开发环境搭建 242__eol__7.2.3 TensorFlow的组成模型 248__eol__7.2.4 TensorFlow的HelloWorld程序示例 258__eol__7.2.5 TensorFlow实现线性回归 259__eol__7.2.6 TensorFlow实现全连接神经网络 261__eol__7.3 深度学习在MNIST图像识别中的应用 263__eol__7.3.1 MNIST数据集及其识别方法 263__eol__7.3.2 全连接神经网络识别MNIST图像 266__eol__7.3.3 卷积神经网络识别MNIST图像 267__eol__7.3.4 循环神经网络识别MNIST图像 270__eol__7.4 典型深度学习平台 274__eol__7.4.1 典型深度学习平台简介 274__eol__7.4.2 样板深度学习平台的体验与分析 275__eol__第8章　人工智能的机遇、挑战与未来 284__eol__8.1 人工智能的行业应用日趋火爆 284__eol__8.2 “智能代工”大潮来袭 287__eol__8.3 新IT、智联网与社会信息物理系统 289__eol__8.4 人工智能的未来 293__eol__8.4.1 发展趋势预测 293__eol__8.4.2 中国的人工智能布局 295__eol__8.4.3 全球人工智能的产业规模 299__eol__8.5 人工智能面临的挑战 300__eol__8.5.1 人工智能面临的人才挑战 300__eol__8.5.2 人工智能面临的技术挑战 301__eol__8.5.3 人工智能面临的法律、安全与伦理挑战 301__eol__8.6 拥抱人工智能的明天 305__eol__附录A　VirtualBox虚拟机软件与Linux的安装和配置 310__eol__附录B　Linux（Ubuntu 14.4）的基本命令与使用 333__eol__附录C　GitHub代码托管平台 338__eol__附录D　Docker技术与应用 342__eol__附录E　人工智能的数学基础与工具 344__eol__附录F　公开数据集介绍与下载 355__eol____eol__附录G　人工智能的网络学习资源 360__eol__附录H　人工智能的技术图谱 363__eol__附录I　人工智能技术应用就业岗位与技能需求 366__eol__参考文献 371