（一）  教材简介

　　本书是一本全景式介绍人工智能知识体系与热门应用领域的教材，以人工智能的应用领域为线索介绍学习领域。通过案例导读引入相应领域的学习，通过案例延伸理解学习领域的实际应用和未来发展。尽量用通俗易懂的语言和应用案例引导学生进入人工智能应用领域的学习。全书涉及二十多个行业的人工智能产品应用，呈现七十多个场景应用案例。

本书的知识体系包括：人工智能概论、知识表示与知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言理解、专家系统、智能体与智能机器人、Python语言与人工智能。本书的案例体系包括：智能家居、智能交通、金融风控、智慧农业、智能社交、智能机器人、智能安防智能生产、智慧教育、案件预测、智能诊疗、智能设计、机器翻译、模式识别、机器写作、无人驾驶、计算机视觉、生物特征识别、图像识别、语音识别。

　　（二）教材配套资源

　　教材已开发了完备的教学资源，包括：重点知识点微课、课程标准、教学大纲、课程整体设计、教案、课件、教学设计。电子版案例、延伸阅读材料、人工智能经典电影导引，视频参考资料等。

第1章  人工智能概述  1

案例导读  1

查阅与思考  4

1.1  人工智能概况  4

1.1.1  人工智能定义  5

1.1.2  人工智能的研究领域  5

1.1.3  人工智能的发展  6

1.2  人工智能的社会价值  9

1.3  人工智能的应用领域  10

1.4  人工智能的未来与展望  11

学习思考   14

延伸阅读   14

查阅与思考   17

第2章  知识表示和知识图谱   18

案例导读   18

查阅与思考   21

2.1  知识与知识表示   21

2.1.1  知识   21

2.1.2  知识表示   22

2.1.3  产生式表示法   22

2.1.4  框架表示法   25

2.1.5   状态空间表示法    27

2.2   知识图谱    31

2.2.1   什么是知识图谱    31

2.2.2   知识图谱的表示    34

2.2.3   知识图谱的应用    35

2.2.4   知识图谱的总结与展望    37

学习思考    38

延伸阅读    37

查阅与思考    41

第3章  机器学习  42

案例导读  42

查阅与思考  45

3.1   机器学习概述  45

3.2   机器学习的发展  47

3.3   机器学习的范围  47

3.4   机器学习的方法   48

3.5   监督学习   49

3.5.1   K近邻算法   50

3.5.2   决策树   51

3.5.3   支持向量机   52

3.6   无监督学习   54

3.6.1   聚类  54

3.6.2   降维  56

3.7   强化学习与深度学习  57

3.8   机器学习的工具  58

3.8.1   TensorFlow  59

3.8.2   阿里云机器学习PAI   59

3.9   机器学习的挑战  61

3.9.1   不良企图  61

3.9.2   忽略道德伦理  61

3.9.3   机器学习改变人类  62

3.9.4   “被污染”或“毒化”的参考数据  62

3.9.5   大规模的失业  62

学习思考  63

延伸阅读  63

查阅与思考  65

第4章  人工神经网络与深度学习  66

案例导读  66

查阅与思考  69

4.1  神经网络的发展概况  69

4.2  神经元  70

4.2.1  生物神经元结构   70

4.2.2  人工神经元   70

4.2.3  感知机   71

4.3  人工神经网络   72

4.3.1  人工神经网络的定义和特点   72

4.3.2人工神经网络的结构   73

4.3.3人工神经网络的学习   74

4.3.4  BP神经网络   75

4.3.5  BP算法   75

4.3.6  人工神经网络的应用   77

4.4  深度学习   78

4.4.1  深度学习的产生   78

4.4.2  卷积神经网络的结构   79

4.4.3  卷积神经网络的工作过程   80

4.4.4  深度学习的应用   86

学习思考   87

延伸阅读   88

查阅与思考   90

第5章  智能识别   91

案例导读   91

查阅与思考   99

5.1  计算机视觉   99

5.1.1  计算机视觉技术简介  99

5.1.2  计算机视觉技术的工作原理  100

5.1.3  计算机视觉的相关学科  101

5.2  图像视频识别   101

5.2.1  图像的分类   101

5.2.2  图像的表示与描述   103

5.2.3  图像处理的方法   103

5.2.4  图像视频识别的应用领域   105

5.3  模式识别   106

5.3.1  模式识别基本概念   106

5.3.2  模式识别的发展历程   107

5.3.3  模式识别的主要方法   107

5.3.4  模式识别的典型应用   108

5.4  语音识别   109

5.4.1  语音识别技术简介  109

5.4.2  语音识别的基本原理  110

5.4.3  语音识别的技术分类  110

5.4.4  语音识别的典型应用  111

5.5  生物特征识别  111

5.5.1  生物特征识别技术简介  111

5.5.2  基于生理特征的识别  112

5.5.3  基于行为特征的识别  112

5.5.4  多模态生物特征识别  113

学习思考  113

延伸阅读  113

查阅与思考  119

第6章  自然语言理解  120

案例导读  120

查阅与思考  123

6.1  自然语言理解概述  123

6.1.1  自然语言理解的概念  123

6.1.2  自然语言理解的发展  124

6.1.3  自然语言理解的难点  125

6.1.4  自然语言理解的研究范畴  125

6.2  自然语言理解过程的层次任务  126

6.2.1  语音分析  126

6.2.2  词法分析  126

6.2.3  句法分析  127

6.2.4  语义分析  128

6.2.5  信息抽取  128

6.2.6  顶层任务  129

6.3  自然语言理解系统的应用  130

6.3.1  神经机器翻译  130

6.3.2  智能人机交互  131

6.3.3  机器阅读理解  132

6.3.4  机器创作  133

6.3.5  谱曲  133

6.4  自然语言理解的未来与展望  134

学习思考  134

延伸阅读  134

查阅与思考  135

第7章  专家系统  136

案例导读  136

查阅与思考  138

7.1  专家系统概述  138

7.1.1  专家系统的定义  139

7.1.2  专家系统的特点和优势  139

7.1.3  专家系统的类型与应用  140

7.2  专家系统的基本结构与工作原理  141

7.2.1  专家系统的基本结构  141

7.2.2  专家系统的工作过程  143

7.2.3  专家系统的应用  143

7.3 专家系统的开发工具  144

7.4  专家系统的设计与实现  145

7.4.1  设计说明  145

7.4.2  基于案例的推理方法简介  146

7.4.3  将CBR方法引入增值税纳税申报系统  147

7.4.4  总结  151

学习思考  151

延伸阅读  151

查阅与思考  154

第8章  智能体与智能机器人  155

案例导读  155

查阅与思考  162

8.1  智能体  162

8.1.1  智能体的定义和属性  163

8.1.2  智能体的结构  166

8.2  多智能体  169

8.2.1  多智能体协商  170

8.2.2  多智能体学习  174

8.3  智能机器人  176

8.3.1  智能机器人概述  176

8.3.2  智能机器人分类  178

8.3.3  智能机器人结构  179

8.3.4  智能机器人的研究方向  181

学习思考  182

延伸阅读  182

查阅与思考  184

第9章  Python语言与人工智能  185

案例导读  185

查阅与思考  188

9.1  人工智能语言  188

9.1.1  人工智能语言的定义  188

9.1.2  人工智能语言的特点  188

9.1.3  人工智能语言与传统语言的区别  188

9.1.4  人工智能语言的发展  189

9.1.5  Python在人工智能语言中的优势  190

9.2  Python语言基础  192

9.2.1  Python语言的发展  192

9.2.2  Python语言的特点  192

9.2.3  Python语言基础  193

9.3  Python语言中的AI库  197

9.3.1  总体的AI库  197

9.3.2  机器学习库  198

9.3.3  自然语言和文本处理库  199

9.4  Python语言在AI领域的应用  199

9.4.1  神经网络和深度学习方面的应用  199

9.4.2  视觉传达方面的应用  201

9.4.3  自然语言和文本处理方面的应用  203

9.4.4  其他AI方面应用  204

9.5  微信机器人的设计与实现  204

9.5.1  设计思路  204

9.5.2  设计过程  204

9.5.3  代码实现及效果  205

学习思考  206

延伸阅读  206

查阅与思考  209

参考文献  210