第1章 緒論 1 1.1　人工智能的起源與發(fā)展　1 1.2　人工智能的主要應(yīng)用行業(yè)與領(lǐng)域　2 1.3　中國人工智能發(fā)展現(xiàn)狀　3 1.4　Python與人工智能　4 1.5　構(gòu)建Python人工智能編程環(huán)境　5 第2章　數(shù)據(jù)處理常用算法　11 2.1　傅里葉變換　11 2.1.1　傅里葉分析的由來　11 2.1.2　傅里葉變換原理與應(yīng)用　11 2.2　卷積　16 2.2.1　數(shù)字信號(hào)處理與卷積運(yùn)算　16 2.2.2　NumPy卷積函數(shù)　20 2.2.3　二維矩陣卷積計(jì)算　21 2.2.4　圖像卷積應(yīng)用示例　22 2.3　二分法求解　23 2.4　最小二乘法曲線擬合　25 2.4.1　最小二乘法的來歷　25 2.4.2　最小二乘法與曲線擬合　25 2.5　泰勒級(jí)數(shù)　30 2.5.1　泰勒公式　30 2.5.2　泰勒級(jí)數(shù)展開與多項(xiàng)式近似　31 2.6　差分法逼近微分　34 2.6.1　差分法簡介　34 2.6.2　差分的不同形式及其代碼實(shí)現(xiàn)　35 2.7　蒙特卡羅方法　36 2.7.1　蒙特卡羅方法原理　37 2.7.2　蒙特卡羅方法應(yīng)用　38 2.8　梯度下降算法　40 2.8.1　方向?qū)��?shù)與梯度　41 2.8.2　梯度下降　42 2.8.3　基于梯度下降算法的線性回歸　43 第3章　圖像識(shí)別與Python編程 實(shí)踐　49 3.1　圖像識(shí)別發(fā)展簡介　49 3.2　圖像識(shí)別基本算法　50 3.2.1　邊緣檢測(cè)　50 3.2.2　角點(diǎn)檢測(cè)　64 3.2.3　幾何形狀檢測(cè)　68 3.2.4　尺度不變特征變換　72 3.3　OpenCV與視頻圖像處理　74 3.3.1　視頻讀寫處理　74 3.3.2　運(yùn)動(dòng)軌跡標(biāo)記　76 3.3.3　運(yùn)動(dòng)檢測(cè)　80 3.3.4　運(yùn)動(dòng)方向檢測(cè)　85 3.4　基于ImageAI的圖像識(shí)別　88 3.4.1　圖像預(yù)測(cè)　88 3.4.2　目標(biāo)檢測(cè)　92 3.5　人臉識(shí)別　95 3.5.1　基于Dlib的人臉識(shí)別　95 3.5.2　基于Face_recognition的人臉識(shí)別　103 3.6　Tesseract OCR與文本智能識(shí)別　108 3.6.1　Tesseract OCR的安裝配置　108 3.6.2　基于Pytesseract的字符識(shí)別　109 3.6.3　條形碼檢測(cè)與識(shí)別　110 3.7　基于百度AI的智能圖像識(shí)別　115 3.7.1　通用物體識(shí)別　116 3.7.2　車牌識(shí)別　117 第4章　語音識(shí)別與Python編程 實(shí)踐　119 4.1　語音識(shí)別簡介　119 4.1.1　語音識(shí)別的起源與發(fā)展　119 4.1.2　語音識(shí)別的基本原理　120 4.2　語音識(shí)別Python SDK　121 4.2.1　Microsoft語音識(shí)別框架SAPI　121 4.2.2　Speech　123 4.2.3　Python_Speech_Features　124 4.2.4　SpeechRecognition　128 4.3　MFCC語音特征值提取算法　131 4.3.1　MFCC語音特征值提取算法簡介　131 4.3.2　語音信號(hào)分幀　133 4.3.3　計(jì)算MFCC系數(shù)　141 4.4　基于百度AI的語音識(shí)別　149 4.4.1　百度語音簡介　149 4.4.2　百度語音識(shí)別　150 4.5　基于音頻指紋的音樂識(shí)別　155 4.5.1　音頻信號(hào)采集與播放　156 4.5.2　音頻指紋生成　157 4.5.3　數(shù)據(jù)存儲(chǔ)與檢索　161 4.6　語音克隆技術(shù)簡介　165 第5章　自然語言處理與Python編程 實(shí)踐　169 5.1　NLP的發(fā)展趨勢(shì)與關(guān)鍵技術(shù)　169 5.1.1　NLP的發(fā)展趨勢(shì)　169 5.1.2　NLP的關(guān)鍵技術(shù)　170 5.2　NLP工具集NLTK　170 5.2.1　NLTK的安裝　170 5.2.2　基于NLTK的簡單文本分析　171 5.3　文本切分與標(biāo)準(zhǔn)化　176 5.3.1　文本切分　176 5.3.2　中文分詞　177 5.3.3　標(biāo)準(zhǔn)化　186 5.4　詞性標(biāo)注　191 5.5　文本分類　193 5.6　語言檢測(cè)識(shí)別　202 5.6.1　基于Langdetect的語言檢測(cè)　202 5.6.2　基于Langid的語言檢測(cè)　203 5.6.3　基于N-gram算法的語言檢測(cè)　204 5.7　情感分析　207 5.7.1　簡易情感分類器示例　207 5.7.2　基于NLTK的電影評(píng)論情感 分類　209 第6章　深度學(xué)習(xí)與Python編程 實(shí)踐　212 6.1　深度學(xué)習(xí)常用算法　212 6.1.1　卷積神經(jīng)網(wǎng)絡(luò)　213 6.1.2　循環(huán)神經(jīng)網(wǎng)絡(luò)　219 6.1.3　生成對(duì)抗網(wǎng)絡(luò)　224 6.2　深度學(xué)習(xí)框架及其應(yīng)用　230 6.2.1　Theano　230 6.2.2　PyTorch　243 6.2.3　TensorFlow　253 第7章　量子計(jì)算與Python編程 實(shí)踐　260 7.1　量子計(jì)算概述　261 7.1.1　什么是量子計(jì)算　261 7.1.2　人工智能與量子計(jì)算　262 7.2　量子計(jì)算發(fā)展現(xiàn)狀　263 7.2.1　國外量子計(jì)算發(fā)展概況　263 7.2.2　中國量子計(jì)算進(jìn)展　266 7.3　IBM Quantum Experience量子計(jì)算 云平臺(tái)　267 7.3.1　IBM Quantum Experience平臺(tái)賬號(hào) 注冊(cè)　268 7.3.2　IBM Quantum Experience量子電路 設(shè)計(jì)與運(yùn)行　268 7.4　基于Qiskit的量子計(jì)算Python編程 接口　274 7.5　基于Qiskit的量子計(jì)算編程實(shí)踐　276 7.5.1　Qconfig.py配置文件　276 7.5.2　基于模擬終端的算法電路運(yùn)行　276 7.5.3　基于物理芯片的算法電路運(yùn)行　277 7.5.4　量子電路可視化　279 7.5.5　量子傅里葉變換　280 7.6　Rigetti Computing量子編程平臺(tái)　285 7.6.1　Forest SDK簡介　285 7.6.2　PyQuil安裝　286 7.6.3　PyQuil量子編程示例　286 第8章　區(qū)塊鏈技術(shù)與Python編程 實(shí)踐　288 8.1　區(qū)塊鏈技術(shù)簡介　288 8.2　區(qū)塊鏈編程環(huán)境配置　291 8.3　區(qū)塊鏈技術(shù)與編程實(shí)踐　293 8.3.1　區(qū)塊鏈的定義與創(chuàng)建　293 8.3.2　共識(shí)機(jī)制　296 8.3.3　創(chuàng)建節(jié)點(diǎn)　297 8.3.4　測(cè)試運(yùn)行示例區(qū)塊鏈　299 8.3.5　一致性算法　301 第9章　并行計(jì)算與Python編程 實(shí)踐　304 9.1　基于Multiprocessing的并行計(jì)算　304 9.1.1　進(jìn)程創(chuàng)建與管理　305 9.1.2　進(jìn)程數(shù)據(jù)交換　306 9.1.3　進(jìn)程同步　309 9.2　GPU并行計(jì)算　312 9.2.1　PyCUDA并行計(jì)算　313 9.2.2　Numba GPU高性能計(jì)算　317 9.3　MPI并行計(jì)算　319 9.3.1　mpi4py簡介　319 9.3.2　mpi4py的安裝與測(cè)試　319 9.3.3　mpi4py并行計(jì)算　320 9.4　ipyparallel并行計(jì)算　330 9.4.1　ipyparallel的安裝與啟動(dòng)　330 9.4.2　ipyparallel并行計(jì)算　330 第10章　增強(qiáng)現(xiàn)實(shí)與Python編程
實(shí)踐　335 10.1　AR技術(shù)簡介　335 10.2　基于OpenCV的AR實(shí)現(xiàn)　336 10.2.1　照相機(jī)模型　336 10.2.2　基于OpenCV的AR編程實(shí)例　337