本书围绕人工智能基础知识介绍了基本开发环境及编程基础知识，机器学习中经典及常用算法及算法实现，深度学习基础知识和实现环境，以及深度神经网络的实现过程，计算机视觉和自然语言处理的部分算法实现，最后通过两个嵌入式人工智能案例融合前面章节介绍的基础算法，完整实现了人工智能在实际生活中的应用实例。通过学习，学生能掌握人工智能的基本知识、基本原理和方法；了解人工智能的发展历史，最新进展和发展方向；为培养学生利用人工智能的方法求解复杂计算机工程问题，以及今后进一步在人工智能的理论和应用研究等方面的发展提供初步的基础。

    本书适合作为高等学校人工智能、大数据、智能科学与技术等专业的实验教材，也可以作为对人工智能相关的培训教材。

人工智能从起源至今已将近70 年，它的发展过程一路荆棘，有低谷也有高潮。面对与之相关的新理论、新技术的快速发展和经济社会发展的必然需求，人类社会从数字化、网络化向智能化加速跃进，生活中充斥着人工智能的概念，从而驱动人工智能的发展进入新的阶段。正如“互联网+”模式改变着我们的衣食住行各个方面一样，人工智能模式以同样的方式席卷各个行业的细分领域，车联网、家电、医疗、农业、制造业等行业都需要更加精准的模式帮助人类处理复杂任务。

深度学习是人工智能前沿技术的核心，因此，学习和讨论人工智能前沿技术必然要从深度学习切入，其原理在于建立、模拟人脑进行分析学习，是利用人脑机制来解释数据的神经网络。经过近些年的沉淀和发展，各种神经网络结构和调优方法的提出，深度学习性能得到了大幅提升，相关的算法已经具备了解决各种复杂问题的能力，以最低的成本使用深度神经网络解决各个细分领域的问题成了人工智能爆发期的关键。

传统的“人工智能”课程偏重理论，过于学术化 ，现有教材中不缺乏基础理论和前沿进展这类知识点，但读完之后可能仍然不知道怎么动手解决问题。本书希望在兼顾理论的同时，在课程中强化实践内容，使理论与实践相结合，这也成为课程发展的主要趋势，需要更通俗和直观的方法引导零基础的读者开始人工智能的实践学习。

从机器学习基础算法开始介绍，结合相关应用领域实例以及与生活相关的完整案例，其中包括基于机器学习常用经典算法的实例、基于深度神经网络的实例、计算机视觉领域基础应用的算法实例、自然语言处理基础应用的算法实例及智能机器人的基本操作以及功能实现。重点突出技术的可操作性，希望读者在学习理论的同时，通过算法实现掌握人工智能的基本方法，并能将其用于解决实际问题，实现更多进展，如解决问题多样性、提速的同时缩减成本、不仅有好的性能指标且方便好用等。最后两章的完整案例通过嵌入式人工智能呈现了机器如何通过学习来模拟人的智能，由此使读者更加系统、深入地掌握计算机人工智能的应用实践技能。

本书编写分工如下：第1 章由潘理虎编写，第2、3、5~7 章由宋婷编写，第4 章由李建伟编写，第8 章由谢斌红编写，第9、10 章由荀亚玲编写。全书由潘理虎统稿并定稿。

在本书的成书过程中 , 众多老师和学生提供了热心的帮助。首先要感谢太原科技大学计算机科学与技术学院，为本书的编写提供了良好的测试环境，同时还要感谢太原科技大学计算机科学与技术学院的所有同仁，为本书提供了高屋建瓴的意见和指导！感谢百科荣创科技发展有限公司提供的实验设备及实验环境的技术支持！感谢山西省高等教育“1331工程”立德树人提质增效计划建设项目——太原科技大学计算机科学与技术国家级一流本科专业建设项目的支持！

由于编者水平有限，书中难免有疏漏之处 ，敬请读者批评指正。

编 者

2022 年4 月

第1 章Python 编程基础    1
1.1Python 基础语法   1
1.1.1基础知识         1
1.1.2运算符             4
1.1.3注释与缩进       7
1.2Python 基本语句  8
1.2.1条件控制语句    9
1.2.2循环控制语句   10
1.3Python 开发环境的安装和使用      13
1.4集成开发环境PyCharm 的安装和使用   16
1.5输出函数实验     20
1.6Python 文件 I/O 实验   23
第2 章Python 数据结构  27
2.1基础数据结构    27
2.2Python 字符串实验  28
2.3Python 列表实验     33
2.3.1列表的序列化操作  33
2.3.2列表推导式和生成器表达式  40
2.4Python 元组实验   42
2.5Python 字典实验   47
2.6类与对象     51
2.7Python 函数  54
第3 章机器学习   58
3.1机器学习基础知识  58
3.1.1概述  58
3.1.2学习形式分类    59
3.2AdaBoost 分类算法 63
3.3KNN 算法   69
3.4基于KD 树的KNN 算法 74
3.5支持向量机SVM  78
3.6朴素贝叶斯分类器  85
3.7决策树   90
3.8Kmeans 算法   99
3.9线性回归          106
3.10PCA 降维实验   116
第4 章深度学习      122
4.1深度学习基础知识     122
4.1.1传统机器学习和深度学习方法  122
4.1.2深度学习发展阶段      123
4.1.3深度学习特点          124
4.2TensorFlow 框架              124
4.2.1TensorFlow 简介        125
4.2.2Tensor 基本概念        126
4.2.3创建常量与变量        127
4.3TensorFlow 安装与配置      128
4.4PyTorch 安装与配置           131
4.5数据操作实验                      134
第5 章 神经网络构建     146
5.1神经网络实现原理  146
5.1.1基础概念            146
5.1.2神经网络的参数   147
5.1.3模型训练             148
5.2神经网络一元线性回归      150
5.3神经网络多元线性回归      153
5.4神经网络非线性回归          156
5.5基础神经网络实验             159
5.6高级神经网络实验            162
5.7卷积神经网络实验              166
5.8手写数字识别实验——CNN   175
5.9循环神经网络实验              180
第6 章计算机视觉        189
6.1图像基础知识                      189
6.2图像均值滤波实验              191
6.3图像中值滤波实验              196
6.4图像分割实验                      199
6.5仿射变换实验                      203
6.6三角形仿射实验                 206
6.7基于Hopfield 神经网络的图片识别    209
6.8基于支持向量机的人脸识别   212
6.9基于隐马尔科夫的语音识别   217
第7 章自然语言处理       225
7.1NLP 概述  225
7.2词性标注   227
7.3中文分词——逆向最大匹配      231
7.4中文分词——基于隐马尔科夫模型   233
7.5文本分类实验   237
7.6文本模式识别实验   243
7.7GloVe 词向量模型   247
第8 章智能机器人        258
8.1机器人硬件             259
8.2开发环境                261
8.2.1虚拟机开发环境    261
8.2.2网络配置              263
8.2.3开发主机 SSH 登录Nano     264
8.2.4编程开发环境          264
8.3ROS 基本操作                     265
8.4OpenCV 机器人视觉开发     268
8.5语音合成开发                      273
8.6SLAM 激光雷达建图             275
第9 章应用开发实训案例——智能家居    279 
9.1基于深度卷积神经网络的表情识别      280
9.2氛围灯控制                         283
9.3人脸表情识别模型推理功能插件构建   284
9.4氛围灯控制系统功能插件构建             287
第10 章应用开发实训案例——智能停车场  290
10.1车牌识别模型                  291
10.2闸机控制系统                  297
10.3车牌识别功能插件构建       298
10.4道闸控制功能插件构建       303

    潘理虎， 太原科技大学；宋婷，太原科技大学

本书作为一本实验教程，最大的特色是简明、实用、逻辑性强、可读性好，使读者在有限的时间内掌握人工智能的基本原理与应用技术。本书围绕基础知识点在前两章介绍了Python基本开发环境及编程基础语法、常用数据结构的使用；第3章介绍了机器学习中经典算法及常用算法，包括逻辑回归、决策树、K近邻、随机森林、支持向量机、朴素贝叶斯、AdaBoost、神经网络等算法的实现；第4、5章介绍了深度学习基础知识和实现环境，以及深度神经网络经典算法；第6~8章分别介绍了三大应用领域——计算机视觉的基础算法及应用实例、自然语言处理的基本应用算法实现、智能机器人的基本操作及功能实现，最后两章通过两个嵌入式人工智能案例融合前面章节介绍的基础算法，完整实现了人工智能在实际生活中的应用实例。