本书采用图形化交互式人工智能软件“橙现智能”（Orange3）为工具讲解人工智能的基础应用知识和技能，采用图形化的形象方法方便读者对知识的理解。全书分为三个部分，第一部分介绍人工智能技术的概况，第二部分介绍若干常用的人工智能技术及其应用方法，最后一个部分介绍有关人工智能伦理的相关内容。本书的特色可以概括为“形象化概念理解，鼓励自我引导，强调技术应用”。本书鼓励读者自我引导，从合适的问题导入出发，引导读者自我寻找答案。为了做到这一点，本书在知识点介绍和讲解之前，进行适当的问题引导，通过生活中的类似问题，引导读者主动思考，使其在一个个问题的引导下恍然大悟，从心里感受人工智能各个知识点的内在逻辑。本书将所涉及的深奥难懂的人工智能原理进行图形化展现及讲解，让读者能够从直觉上理解而不是从概念上或者公式上加以所谓的理解。本书可作为人工智能应用入门者、人工智能技术应用者、高职高专及应用型本科学生人工智能通识课教材。
耿煜，男，博士，就职于深圳信息职业技术学院，获得香港科技大学工学院电子及计算机工程系博士学位。曾出版《ANSYS电磁场及耦合场分析》。
1 人工智能初识
1.1 人工智能来到校园
1.1.1 报到的路上
1.1.2 正式报到
1.1.3 赶往教室
1.1.4 公选第一课
1.1.5 餐饮推荐
1.1.6 国外专家讲座：机器同传翻译系统
1.1.7 客户流失分析
1.2 人工智能简史
1.2.1 人工智能的诞生：1930—1950 年
1.2.2 第一次浪潮：1956—1974 年
1.2.3 第一次寒冬：1974—1980 年
1.2.4 再次繁荣：1980—1987 年
1.2.5 寒冬再袭
1.2.6 回归：1993—2012 年
1.2.7 爆发：2012 年至今
1.3 人工智能是什么
1.4 人工智能干什么用
1.4.1 工业
1.4.2 商业
1.4.3 金融
1.4.4 医疗
1.5 本章小结
1.6 本章课后练习
2 食堂消费预测
2.1 问题描述
2.2 学习目标
2.3 项目引导
2.3.1 问题引导
2.3.2 初步分析
2.4 知识准备
2.4.1 机器也可以学习
2.4.2 机器如何学习
2.5 项目实战
2.5.1 项目期望
2.5.2 项目实施
2.6 深入分析
2.6.1 线性回归原理
2.6.2 训练与测试
2.6.3 给模型打分
2.6.4 模型解释
2.7 本章项目实训
2.8 本章小结
2.9 本章项目习题
3 贫困生判别
3.1 问题描述
3.2 学习目标
3.3 项目引导
3.3.1 问题引导
3.3.2 初步分析
3.4 知识准备
3.5 项目实战
3.5.1 项目期望
3.5.2 项目实施
3.5.3 查看结果
3.6 深入分析
3.6.1 为什么用逻辑回归
3.6.2 从线性回归到逻辑回归
3.6.3 判定边界
3.6.4 评价指标与模型解释
3.6.5 模型解释
3.7 本章项目实训
3.8 本章项目总结
3.9 本章项目习题
4 客户流失分类
4.1 问题描述
4.2 学习目标
4.3 项目引导
4.3.1 问题引导
4.3.2 初步分析
4.4 知识准备
4.5 项目实战 1
4.5.1 项目实施
4.5.2 查看结果
4.6 深入分析1
4.6.1 支持向量是什么
4.6.2 逻辑回归与支持向量机的比较
4.7 项目实战2
4.7.1 项目实施
4.7.2 查看结果
4.8 深入分析 2
4.9 项目实战 3
4.9.1 项目实施
4.9.2 查看结果
4.10 深入分析3
4.10.1 自助抽样
4.10.2 袋装
4.10.3 堆叠
4.10.4 随机森林
4.10.5 提升
4.10.6 自适应提升
4.11 本章项目实训
4.12 本章小结
4.13 本章课后练习
5 图像识别
5.1 问题引导
5.2 学习目标
5.3 项目引导
5.3.1 问题引导
5.3.2 初步分析
5.4 知识准备1
5.4.1 神经网络
5.4.2 深度学习
5.5 项目实战1
5.5.1 项目期望
5.5.2 项目实施
5.6 深入分析1
5.7 知识准备 2
5.7.1 图像识别
5.7.2 卷积神经网络（CNN）
5.8 项目实战 2
5.8.1 项目期望
5.8.2 项目实施
5.9 深入分析 2
5.9.1 图像识别的特点
5.9.2 使用卷积神经网络为什么有效
5.10 知识准备 3
5.11 项目实战 3
5.11.1 项目期望
5.11.2 项目实施
5.12 深入分析 3
5.12.1 LeNet-5
5.12.2 AlexNet
5.12.3 VggNet
5.12.4 GoogLeNet
5.12.5 ResNet
5.13 本章项目实训
5.14 本章小结
5.15 本章课后练习
6 自然语言处理
6.1 问题描述
6.2 学习目标
6.3 项目引导
6.3.1 问题引导
6.3.2 初步分析
6.4 知识准备
6.4.1 自然语言处理是什么
6.4.2 机器如何理解自然语言
6.4.3 一个数字代表一个词（独热 编码）
6.4.4 词袋模型
6.5 项目实战 1
6.5.1 项目期望
6.5.2 项目实施
6.5.3 查看结果
6.6 深入分析 1
6.6.1 神经网络语言模型
6.6.2 一词多义
6.7 项目实战 2
6.7.1 项目期望
6.7.2 项目实施
6.7.3 查看结果
6.8 本章项目实训
6.9 本章小结
6.10 本章课后练习
7 爬行机器人
7.1 问题描述
7.2 学习目标
7.3 项目引导
7.3.1 问题引导
7.3.2 初步分析
7.4 知识准备
7.4.1 强化学习简介
7.4.2 充满不确定性的世界
7.4.3 不确定的世界如何做决策
7.5 项目实战1
7.5.1 项目实施
7.5.2 查看结果
7.6 深入分析1
7.7 项目实战 2
7.8 深入分析 2
7.8.1 探索与利用
7.8.2 学习率
7.9 本章项目实训
7.10 本章小结
7.11 本章课后练习
8 人工智能应用展
8.1 问题引导
8.2 学习目标
8.3 展厅服务机器人
8.3.1 人脸识别
8.3.2 语音交互
8.4 人物动漫化
8.4.1 生成对抗网络核心思想
8.4.2 生成模型和判别模型
8.5 智能音乐创作
8.5.1 人工智能如何创作音乐
8.5.2 什么是自动音乐生成
8.5.3 怎样利用深度学习实现自动音乐生成
8.6 站在巨人肩膀上
8.6.1 迁移学习概述
8.6.2 深度学习和迁移学习结合
8.7 机器人服务员
8.7.1 自动驾驶级别
8.7.2 自动驾驶原理
8.8 我知道你想买什么
8.8.1 推荐系统概述
8.8.2 购物车推荐系统
8.8.3 亲自动手
8.9 本章小结
8.10 本章课后练习
9 人工智能伦理
9.1 问题描述
9.2 学习目标
9.3 人工智能伦理概述
9.4 隐私权问题
9.5 责任伦理问题
9.6 安全风险问题
9.7 版权问题
9.8 本章小结
9.9 本章课后练习
参考文献
书单推荐
