本书主要介绍了人工智能的基础知识、人工智能的编程语言（Python）及人工智能领域的核心技术和应用。全书包含理论篇与实验篇两部分。理论篇共8章，包括人工智能概述、Python程序设计基础、Numpy数值分析库、Pandas数据分析库、计算机视觉技术与应用、智能语音技术与应用、自然语言处理与应用、生成式大模型应用等内容；实验篇设计了与理论章节配套的13个实验项目。

本书以培养读者人工智能素养、程序设计思维和人工智能基本应用能力为目标，通过理论与实践相结合的方式，旨在帮助读者建立起系统的人工智能知识体系，并在实践中提升其解决实际问题的能力。书中的实验设计紧密联系实际应用，使读者能够在学习中体验到人工智能技术的实际应用价值。

（1）针对财经类高校非计算机类专业的通识课教材，简明通俗，易于理解。

（2）注重理论与实践结合。案例与日常生活相关或与学生专业相关。

（3）结构清晰，层次分明。逻辑顺序和组织清晰，从基础概念到高级应用，逐步深入。

（4）多领域的综合实验设计。涵盖多个领域的综合实验，如Python编程、计算机视觉、智能语音、自然语言处理等人工智能应用，使读者在实践中提升综合应用能力。

李福清，任教于广东金融学院互联网金融与信息工程系。1998年于华南农业大学获得学士学位，2004年于华南师范大学获得硕士学位，2016年于广东工业大学获得博士学位。主讲大学计算机、网页设计、平面动画制作、管理信息系统等课程。研究方向：专用道设置问题、组合优化算法。 吴炎太，广东金融学院信息学院教授，先后担任系主任、副院长、院长。2003年毕业于南京理工大学管理科学与工程专业，获得博士学位。自1990年以来，长期从事企业信息管理与会计信息化的教学及研究工作，主讲ERP原理与应用、ERP应用实践、管理信息系统等课程。主持省级课题5项，参与国家级课题1项，参与省部级课题5项。在《科学学与科学技术管理》、《审计研究》、《商业研究》等刊物发表论文30余篇。

理论篇

第 1章 人工智能概述1

1.1 人工智能简介1

1.1.1 人工智能的定义与核心特征1

1.1.2 人工智能对人类智能的模拟与超越2

1.2 人工智能的发展历程3

1.3 人工智能的产业结构3

1.4 人工智能的核心技术4

1.4.1 机器学习5

1.4.2 知识图谱5

1.4.3 自然语言处理6

1.4.4 计算机视觉7

1.4.5 人机交互7

1.5 人工智能的应用领域8

1.6 人工智能风险9

1.7 本章小结10

1.8 习题11

第 2章 Python程序设计基础12

2.1 Python基础知识12

2.1.1 Python简介12

2.1.2 Python编程环境13

2.1.3 Python基本数据类型17

2.1.4 Python组合数据类型20

2.1.5 内置函数27

2.1.6 运算符与表达式28

2.2 Python程序控制语句30

2.2.1 条件语句30

2.2.2 循环语句33

2.2.3 可迭代对象的遍历方法34

2.2.4 异常处理36

2.3 函数36

2.3.1 函数定义36

2.3.2 函数调用37

2.3.3 模块与包的使用40

2.3.4 第三方库的安装与使用41

2.3.5 文件操作43

2.4 本章小结45

2.5 习题45

第3章 Numpy数值分析库47

3.1 Numpy数组创建与操作47

3.1.1 Numpy数组创建48

3.1.2 Numpy数组属性49

3.1.3 Numpy数组基本操作50

3.1.4 Numpy函数51

3.2 Numpy数据类型53

3.2.1 Numpy数据类型概述53

3.2.2 Numpy数据类型转换54

3.3 Numpy数组广播机制54

3.4 特殊数值处理56

3.5 本章小结56

3.6 习题56

第4章 Pandas数据分析库58

4.1 Pandas数据结构的创建与操作58

4.1.1 序列创建与基本操作58

4.1.2 数据框创建与基本操作61

4.2 数据选择与过滤63

4.2.1 使用选择器和快速访问器63

4.2.2 基于条件的数据筛选65

4.2.3多条件联合筛选66

4.3 数据分组与聚合66

4.3.1 数据分组66

4.3.2 对分组数据进行聚合操作67

4.3.3 分组后的数据转换68

4.4 合并和连接68

4.4.1 数据框合并69

4.4.2合并方式69

4.4.3 数据框连接70

4.5 数据读取和存储70

4.5.1 读写CSV文件70

4.5.2 读写Excel文件71

4.6 数据清洗和预处理72

4.6.1 缺失值检测与处理72

4.6.2 异常值检测与处理73

4.6.3 重复值检测与处理73

4.6.4 数据类型转换74

4.7 时间序列处理74

4.7.1 时间序列生成与索引设置75

4.7.2 时间间隔计算与转换76

4.7.3时间序列数据重采样77

4.7.4 移动窗口计算77

4.7.5时间序列数据分析78

4.8 本章小结79

4.9 习题80

第5章 计算机视觉技术与应用81

5.1 计算机视觉基础81

5.1.1 计算机视觉的概念与发展历程81

5.1.2 计算机视觉处理流程82

5.1.3 计算机视觉与相关领域的联系与区别85

5.1.4 应用领域87

5.2 计算机视觉的基本任务87

5.2.1 图像分类87

5.2.2 目标检测与定位88

5.2.3 图像分割89

5.3 计算机视觉常见应用91

5.3.1 图像技术91

5.3.2 OCR及其应用97

5.3.3 人脸识别及其应用99

5.3.4 人体分析及其应用102

5.4 计算机视觉技术面临的挑战与未来发展105

5.4.1 计算机视觉技术面临的挑战105

5.4.2 计算机视觉技术的未来发展趋势与展望106

5.5 本章小结107

5.6 习题107

第6章 智能语音处理与应用110

6.1 智能语音处理概述110

6.1.1 智能语音处理的概念及其发展历程110

6.1.2 智能语音处理的关键环节111

6.1.3 智能语音处理的应用领域112

6.2 智能语音常用技术113

6.2.1 语音增强113

6.2.2 语音识别114

6.2.3 语音合成116

6.3 智能语音处理常见应用117

6.3.1 语音识别应用117

6.3.2 语音合成应用119

6.3.3 其他语音拓展应用120

6.4 智能语音处理面临的挑战与未来发展趋势121

6.4.1 智能语音处理面临的挑战121

6.4.2 智能语音处理未来发展趋势122

6.5 本章小结123

6.6 习题123

第7 章自然语言处理与应用126

7.1 自然语言处理概述基础126

7.1.1 自然语言处理的概念及其发展历程126

7.1.2 语言学基础127

7.1.3 自然语言中的歧义问题130

7.2 自然语言处理基础任务132

7.2.1 文本清洗132

7.2.2 分词133

7.2.3 词性标注134

7.2.4 命名实体识别135

7.2.5 依存句法分析136

7.3 自然语言处理常见应用137

7.3.1 语言理解137

7.3.2 语言生成146

7.3.3 机器翻译148

7.3.4 内容审核149

7.3.5 个性化推荐150

7.3.6 智能问答-聊天机器人152

7.4 自然语言处理技术前沿153

7.4.1 多模态融合153

7.4.2 可解释性自然语言处理154

7.4.3 深度学习模型的不断演进154

7.5 本章小结155

7.6 习题155

第8章 生成式大模型应用158

8.1 生成式大模型概述158

8.1.1生成式大模型简介158

8.1.2 国外主流生成式大模型介绍159

8.1.3 国内主要生成式大模型介绍160

8.2 文心一言在学习方面的应用163

8.3 文心一言在工作方面的应用164

8.4 文心一言在生活娱乐方面的应用166

8.5 文小言App169

8.6 本章小结170

8.7 习题170

实验篇

实验1 Python程序设计基础实验172

实验2 Numpy数值分析库实验176

实验3 Pandas数据分析库实验178

实验4 百度人工智能能力应用体验181

实验5 基于百度AI开放平台的文字识别应用开发184

实验6 基于百度AI开放平台的人脸识别考勤应用开发192

实验7 智能语音应用体验201

实验8 FAQ自动化交互问答系统开发204

实验9 基于百度AI开放平台的录音转写应用开发211

实验10 基于百度AI开放平台的自然语言处理体验与应用开发218

实验11 电商用户评论的情感倾向分析223

实验12 基于文心一言的学习效率提升实验232

实验13 基于文心一言的工作与生活娱乐场景应用实验237

参考文献246