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。

创作背景 人工智能是类似电力的一种赋能技术，其真正的威力来自“人工智能+X” 带来的巨大驱动力，与人工智能应用型人才的数量和质量密切相关。十九大报告指出“推动互联网、大数据、人工智能和实体经济融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。”人工智能技术所具有的辐射效应、放大效应和溢出效应，使其具备增强任何领域技术的潜力。 教育是“人工智能+X”的人才保证，可确保有一大批懂得用人工智能驱动其他行业领域的应用型人才，从而赋能经济社会。2017 年，中国政府发布《新一代人工智能发展规划》， 提出加快人工智能高端人才培养。习近平总书记多次专门强调人工智能人才的培养，“培养大批具有创新能力和合作精神的人工智能高端人才，是教育的重要使命。” “人工智能+X”教育保证了我国在人工智能应用技术领域处于不败之地。在美国正在全方面限制中国发展的大背景下，需要更多研究型人才，也需要更多应用型人才。要打破美国的科技封锁，离不开科技的创新。创新的科技要真正地从实验室走到国内市场甚至国外市场，需要大量的应用型人才进行钻研、推广、落地实施，这些应用型人才大量来源于高职高专院校和应用型本科学校。 把握人工智能技术趋势，真正让人工智能赋能经济发展，需要更多的“人工智能+X” 应用型人才，需要更好的“人工智能+X”教育。为了将人工智能应用技术让更多的人应用起来，我们精心设计所有内容，以确保读者能学、会用、可进阶。 创作经历 为了使人工智能赋能新时代，在学校及各二级学院领导的支持下，本书作者着手编写一本面向本校全体新生的人工智能通识课教材。我们的目标是学生学习本课程之后，虽然不一定完全理解了人工智能，甚至可能不怎么懂人工智能，但是可以使用人工智能技术解决相关行业的一些问题。目前的人工智能通识类教材往往重理论而轻应用，或者偏重应用却依赖Python 编程。高职高专院校及应用型本科学校的目标是培养技术的应用型人才，那么这些学校讲授的人工智能就必须是可以应用的人工智能技术。如果沿着传统的“人工智能理论→ Python 编程”的路径教学，一半学生可能会因为理论不过关而放弃，另一半学生可能会因为实在学不会编程而放弃。试想一个商科学生使用人工智能方法预测流失客户，或者一个金融专业的学生使用人工智能方法判断信用卡诈骗情况，这些学生明明知道可以使用人工智能技术但是就是不会应用，这该是多么可惜的一件事情。 为此，本书作者联合深圳市兆阳信息技术研究院，基于开源软件 Orange3，本地化地定制了全中文版本的“橙现智能”，使学生使用鼠标、轻松拖曳，就能进行一项复杂的人工智能应用分析。以此软件为工具，本书简化人工智能应用，降低门槛，并配以大量生动有趣的图形化概念讲解，为读者进行人工智能应用打下良好的基础。 本书要点 对于具有理工科背景的同学来说，建议从头至尾学习每章内容以了解每个模型的原理及其应用。对于非理工科背景或者仅关心模型应用的同学，可以直接阅读模型使用的部分，而将模型原理部分当作手册参考即可。 软件下载请访问：https://chengxianzn.one/downloads/，或者扫描图 1 二维码访问，Windows 用户可以直接下载“ Orange3-27.3（已安装大量插件）.rar”，这样可以省去日后学习还需要装 插件的过程。如果不想提前安装插件，下载“Orange3-27.3.zip”或者“Orange3-27.3.7z”均可， 区别只是压缩程序不一样而已。上述压缩包解压后，出现“Orange3”快捷方法，双击稍等即可启动程序。 图 1 软件下载地址二维码 每章最后都有课后练习部分，请读者能够仔细思考。所有答案，模型源文件和数据都可 以扫描图 2 的二维码索取。 图 2 关注公众号查看本书所有练习，模型源文件和数据 更多反馈可以加作者微信（见图 3）进入交流群交流。 图 3 作者微信 编写分工 耿煜：主要负责全书的组织设计、案例分析和整体结构，主笔第2、6、7 和 8 章。 李永红：主要负责案例搜集整理与筛选，主笔第3、4 和5 章。 任领美：主要负责人员协调组织调度，主笔第 1 章。 黎丽：主组要负责全书校对整理，主笔第9 章。 柳伟：主要负责项目规划与进度控制、案例分析和整体结构、全书初稿审核。 致谢 感谢深圳信息职业技术学院各位老师和同学的帮助，尤其是李华老师提供了大量的原创图片，郝志勇、张存家、赵学华、陈建刚等老师帮忙收集了大量案例，感谢我们的家人、朋友。没有你们的帮助就没有这本书的问世。

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