本书是“人工智能技术应用核心课程系列教材”的本，通过对人工智能基础概念、技术分类、开发平台、应用场景和开发运行环境及编程语言等的系统介绍，结合样板程序、经典案例的上机实践与代码分析，使初学者快速地对人工智能的技术全貌建立起系统的认识，并且掌握典型应用开发环境与平台的安装、配置及应用编程基础技术。本书很好适合：对人工智能、机器学习和深度学习感兴趣的读者；需要掌握人工智能通识知识的政府、企事业人员和高校学生；需要先行快速了解人工智能全貌、为后续深入学习奠定基础的高职相关专业的学生；期望快速进入智能文本分析、图像识别、语音处理、机器视觉、智能机器人等人工智能应用领域从事研发工作的工程技术人员。 聂明，教授，上海交通大学博士，南京航空航天大学博士后。现任南京信息职业技术学院人工智能学院院长，主要研究领域有软件技术、云计算与大数据、人工智能技术应用及信息职业教育。 章人工智能的产生与发展11.1引言——激动人心的AI-201611.2人工智能的产生与发展61.3认识人工智能的赋能91.4人工智能、机器学习与深度学习181.5算法、算力与大数据221.6人工智能的产业生态241.6.1人工智能产业链的三层划分241.6.2基础层251.6.3技术层291.6.4应用层301.7科技巨头在AI领域的布局311.7.1国外科技巨头在AI领域的布局311.7.2中国科技巨头在AI领域的布局331.7.3全球各国人工智能政策371.7.4中美竞赛381.8人工智能技术应用的学习路径38第2章人工智能典型应用展现与体验402.1科大讯飞语音综合服务开放平台402.2指纹识别462.3人脸识别系统492.4电子商务人工智能应用502.5商业智能552.6智能商用服务机器人592.7智能视频监控67第3章Python语言基础733.1Python语言的产生与发展733.2Python开发环境搭建743.3Python常用语句813.4列表、元组、字典和字符串873.5Python的函数963.5.1自定义函数963.5.2Python常用内置函数1003.6Python矩阵运算1033.7Python库1063.8典型样板程序107第4章Python数据处理1124.1常见数据集简介1124.1.1MNIST数据集1124.1.2CTW数据集1144.2数据收集、整理与清洗1154.2.1数据收集1154.2.2数据整理1224.2.3数据清洗1254.3数据分析1304.3.1CSV文件1304.3.2Excel文件1344.3.3数据库1394.4数据可视化1414.4.1matplotlib库应用1414.4.2pandas库应用1444.4.3seaborn应用1454.5图像处理1464.5.1数字图像处理技术1464.5.2图像格式的转化1474.5.3Python图像处理149第5章机器学习及其典型算法应用1555.1机器学习简介1555.1.1基本含义1555.1.2应用场景1555.1.3机器学习类型1575.1.4相关术语1595.1.5scikit-learn平台1605.2分类任务1635.2.1分类的含义1635.2.2分类主要算法1645.2.3分类任务示例1675.3回归任务1715.3.1回归的含义1715.3.2回归主要算法1715.3.3回归任务示例1715.4聚类任务1755.4.1聚类的含义1755.4.2聚类主要算法1755.4.3聚类任务示例1775.5机器学习应用实例1785.5.1手写数字识别1785.5.2波士顿房价预测180第6章 神经网络及其基础算法应用1876.1神经网络简介1876.1.1神经网络的概念与地位1876.1.2生物神经元1886.1.3人工神经元模型与神经网络1896.1.4感知器算法及应用示例1916.2前馈型神经网络1956.2.1前馈神经网络模型1956.2.2反向传播神经网络1966.2.3反向传播神经网络算法规则1976.2.4反向传播神经网络应用示例1986.3反馈型神经网络2026.3.1反馈神经网络模型2026.3.2离散Hopfield神经网络2036.3.3连续Hopfield神经网络2086.3.4用DHNN识别残缺的字母2116.4卷积神经网络2146.4.1卷积与卷积神经网络简介2146.4.2卷积神经网络的结构―以LeNet-5为例2176.4.3CNN的学习规则2266.4.4CNN应用示例228第7章 深度学习及其典型算法应用2327.1神经网络可视化工具―PlayGround2327.2TensorFlow深度学习平台2407.2.1TensorFlow简介2407.2.2TensorFlow开发环境搭建2427.2.3TensorFlow的组成模型2487.2.4TensorFlow的HelloWorld程序示例2587.2.5TensorFlow实现线性回归2597.2.6TensorFlow实现全连接神经网络2617.3深度学习在MNIST图像识别中的应用2637.3.1MNIST数据集及其识别方法2637.3.2全连接神经网络识别MNIST图像2667.3.3卷积神经网络识别MNIST图像2677.3.4循环神经网络识别MNIST图像2707.4典型深度学习平台2747.4.1典型深度学习平台简介2747.4.2样板深度学习平台的体验与分析275第8章 人工智能的机遇、挑战与未来2848.1人工智能的行业应用日趋火爆2848.2“智能代工”大潮来袭2878.3新IT、智联网与社会信息物理系统2898.4人工智能的未来2938.4.1发展趋势预测2938.4.2中国的人工智能布局2958.4.3全球人工智能的产业规模2998.5人工智能面临的挑战3008.5.1人工智能面临的人才挑战3008.5.2人工智能面临的技术挑战3018.5.3人工智能面临的法律、安全与伦理挑战3018.6拥抱人工智能的明天305附录A VirtualBox虚拟机软件与Linux的安装和配置310附录B Linux（Ubuntu14.4）的基本命令与使用333附录C GitHub代码托管平台338附录D Docker技术与应用342附录E 人工智能的数学基础与工具344附录F 公开数据集介绍与下载355附录G 人工智能的网络学习资源360附录H 人工智能的技术图谱363附录I 人工智能技术应用就业岗位与技能需求366参考文献371