本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。
1.突出素质教育，以培养学生的能力为本位，以提高学生的就业技能为导向。
2.内容简洁、结构严谨、逻辑分明、条理清晰，在内容和形式上都有创新。
3.编写由浅入深，从Python的基础语法到机器学习再到深度学习，还有AI开放平台的使用以及综合项目的实现。
4.注重理论与实践的结合，每个知识点都对应着实例进行剖析，将引入的实例结合理论和算法予以解决。
5.采用结合视频教学的方法，并对每一个样例提供源码，每一个样例都可以复现。
6.参与本书编写工作的人员都是长期从事嵌入式和人工智能的工程师，具有丰富的实践经验。
刘洪涛 2005年毕业于北京工业大学机电工程专业，硕士研究生学历，目前就职于北京华清远见科技信息有限公司。职位是华清远见技术总监；ARM公司全球认证讲师；参与编写过几十本专业图书；国内知名物联网方向技术顾问；首批高校物联网专业建设教学指导委员会专家委员会成员；丰富的嵌入式及物联网系统软、硬件产品开发经验；主持开发过多个大型嵌入式及物联网项目，涉及工业控制、网络、通讯、消费电子等众多领域。
第 1章 人工智能概述 1
1.1 了解人工智能 1
1.2 了解深度学习 2
1.3 人工智能发展现状 4
1.4 人工智能机器学习框架 5
1.4.1 机器学习框架简介 5
1.4.2 TensorFlow 5
1.4.3 PaddlePaddle 7
1.5 怎样学习人工智能 7
1.6 小结 8
1.7 练习题 8
第 2章 Python编程基础 9
2.1 Python入门 9
2.2 开发环境搭建 10
2.2.1 安装Python 10
2.2.2 安装PyCharm 13
2.2.3 体验PyCharm 17
2.3 基础语法 21
2.3.1 基本输入和输出 21
2.3.2 Python运算符 24
2.3.3 Python数据类型 33
2.3.4 Python语句 38
2.3.5 Python函数 43
2.4 面向对象 44
2.5 第三方库的使用 45
2.5.1 NumPy 46
2.5.2 Pandas 49
2.5.3 Matplotlib 52
2.6 小结 57
2.7 练习题 57
第3章 TensorFlow机器学习框架 58
3.1 TensorFlow介绍 58
3.1.1 TensorFlow基础介绍 58
3.1.2 分布式TensorFlow 61
3.2 TensorFlow环境搭建 61
3.2.1 安装Anaconda 61
3.2.2 使用pip的Windows环境安装 67
3.2.3 使用pip的Linux环境安装 68
3.2.4 使用源代码编译安装 68
3.3 TensorFlow计算机加速 68
3.3.1 TensorFlow的使用 68
3.3.2 TensorFlow使用GPU加速 70
3.4 小结 70
3.5 练习题 71
第4章 机器学习算法 72
4.1 线性回归 72
4.1.1 什么是线性回归 72
4.1.2 线性回归例子引入 73
4.1.3 数学方法解决线性回归问题 75
4.1.4 利用TensorFlow解决线性回归问题 78
4.2 逻辑回归 81
4.2.1 什么是逻辑回归 81
4.2.2 逻辑回归例子引入 82
4.2.3 数学方法解决逻辑回归问题 83
4.2.4 利用TensorFlow解决逻辑回归问题 83
4.3 KNN 85
4.3.1 什么是KNN 86
4.3.2 KNN例子引入 86
4.3.3 数学方法解决KNN问题 87
4.3.4 利用TensorFlow解决KNN问题 91
4.4 使用第三方模块实现KNN 92
4.5 其他机器学习算法 94
4.5.1 支持向量机 94
4.5.2 决策树 94
4.5.3 随机森林 95
4.5.4 K-Means 95
4.6 小结 95
4.7 练习题 95
第5章 MNIST数据集及神经网络 96
5.1 MNIST数据集简介 96
5.2 神经元常用函数 97
5.2.1 激活函数 97
5.2.2 池化函数 99
5.2.3 损失函数 100
5.3 深度神经网络 101
5.4 经典卷积神经网络介绍 102
5.4.1 LeNet-5模型及其实现 103
5.4.2 AlexNet介绍 109
5.4.3 VGGNet介绍 109
5.4.4 Inception模型及其实现 109
5.5 循环神经网络 112
5.5.1 循环神经网络简介 112
5.5.2 循环神经网络实现 115
5.6 优化器及优化方法 117
5.6.1 优化方法 117
5.6.2 学习率设置 118
5.7 小结 118
5.8 练习题 118
第6章 TensorFlow高级框架 119
6.1 TFLearn 119
6.2 Keras 121
6.3 小结 123
6.4 练习题 124
第7章 OpenCV开发与应用 125
7.1 OpenCV介绍 125
7.2 OpenCV常见应用 127
7.2.1 摄像头调用 127
7.2.2 OpenCV的图像简单处理 128
7.2.3 图像处理的意义及价值 132
7.3 小结 133
7.4 练习题 133
第8章 计算机视觉处理 134
8.1 计算机视觉开发介绍 134
8.2 手写数字识别 136
8.2.1 项目介绍 137
8.2.2 图像获取以及预处理 138
8.2.3 图像识别 139
8.2.4 结果显示 143
8.3 人脸识别 143
8.3.1 项目介绍 144
8.3.2 人脸的数据集介绍 144
8.3.3 人脸识别流程 145
8.3.4 人脸识别方案 145
8.3.5 人脸识别应用 146
8.4 小结 154
8.5 练习题 154
第9章 自然语言处理 155
9.1 人工智能自然语言处理介绍 155
9.2 英文语音识别 156
9.2.1 项目介绍 156
9.2.2 训练模型 156
9.2.3 测试效果 160
9.3 打造智能聊天机器人 163
9.3.1 seq2seq的机制原理 163
9.3.2 实践 163
9.4 小结 164
9.5 练习题 164
第 10章 人工智能开放平台应用 165
10.1 AI开放平台介绍 165
10.2 百度AI开放平台应用 166
10.2.1 百度AI开放平台介绍 166
10.2.2 基于百度AI开放平台的图像识别 166
10.2.3 基于百度AI开放平台的语音识别 170
10.2.4 基于百度AI开放平台的人脸识别 172
10.3 更多AI开放平台实践 175
10.3.1 腾讯AI开放平台 175
10.3.2 阿里AI开放平台 175
10.3.3 京东AI开放平台 176
10.3.4 小爱AI开放平台 176
10.3.5 讯飞AI开放平台 177
10.4 小结 177
10.5 练习题 177
第 11章 综合实训案例解析 178
11.1 基于机械臂的工业分拣系统 178
11.1.1 项目概要 178
11.1.2 项目设计 179
11.1.3 项目实现 186
11.2 小结 193
11.3 练习题 193
书单推荐
