人工智能導(dǎo)論P(yáng)PT完整全套教學(xué)課件

人工智能導(dǎo)論人工智能導(dǎo)論--項(xiàng)目1---人工智能的前世今生.pptx人工智能導(dǎo)論--項(xiàng)目2---人工智能基礎(chǔ).pptx 人工智能導(dǎo)論--項(xiàng)目3---人工智能編程語言Python.pptx人工智能導(dǎo)論--項(xiàng)目4---圖像識別.pptx 人工智能導(dǎo)論--項(xiàng)目5---人臉識別.pptx 人工智能導(dǎo)論--項(xiàng)目6---生物信息識別.pptx 人工智能導(dǎo)論--項(xiàng)目7---自然語言處理.pptx 人工智能導(dǎo)論--項(xiàng)目8--智能語音.pptx 人工智能導(dǎo)論--項(xiàng)目9---無人駕駛.pptx 人工智能導(dǎo)論--項(xiàng)目10---數(shù)據(jù)挖掘.pptx

人工智能導(dǎo)論項(xiàng)目1人工智能的前世今生01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識05項(xiàng)目小結(jié)與展望目錄CONTENTS01項(xiàng)目背景想象一下你作為一名普通的上班一族，人工智能是如何使你的生活變得更加美好的。清晨，悠悠轉(zhuǎn)醒的你，通過簡單的語音指令拉開了窗簾和打開了房間的燈，通過人臉或指紋識別解鎖手機(jī)，各式各樣的社交、新聞App已經(jīng)準(zhǔn)備好為你推送你感興趣的信息。早餐后，你坐上了自己的車準(zhǔn)備出發(fā)去上班，導(dǎo)航App已經(jīng)根據(jù)當(dāng)時的路況篩選出了最便捷的路徑，音響中也開始自動播放你喜愛的歌曲，自動駕駛或輔助駕駛功能也讓開車的過程變得愈發(fā)的輕松，智能交通信號“綠波帶”更讓你的心情變得愉悅起來。你刷臉進(jìn)入了公司的大樓，電梯門像先知先覺似的在你到達(dá)的時候開啟，你無需按樓層按鍵，電梯按默認(rèn)記憶將你送達(dá)辦公樓層，通過生物識別你進(jìn)入了辦公室，照明和空調(diào)系統(tǒng)已根據(jù)你的習(xí)慣和當(dāng)天的天氣情況打開，在舒適的辦公環(huán)境中你開始了一天的工作。工作的繁忙可能讓你沒空去餐廳享用午餐，貼心的送餐機(jī)器人會將經(jīng)過智能營養(yǎng)配餐的午飯準(zhǔn)時送到你的辦公室。以前下班的你，可能會站在大廈數(shù)層的巨大停車場前茫然地回憶早上究竟把車停在哪兒了，而現(xiàn)在在智能尋車系統(tǒng)的幫助下，這樣的情形早已不復(fù)存在?；氐郊抑心惆l(fā)現(xiàn)，掃地機(jī)器人也已經(jīng)完成了每天的清潔工作，花園里的植物在智能澆灌系統(tǒng)的照料下不需要你過多的操心，不善廚藝的你，甚至可以問問冰箱有關(guān)營養(yǎng)搭配和烹飪技巧的問題。躺在床上隨著逐漸變暗的燈光漸入夢鄉(xiāng)的你，更會對人工智能的未來充滿了期待。02思維導(dǎo)圖思維導(dǎo)圖03課程思政中國智能科學(xué)研究的領(lǐng)軍人-吳文俊院士吳文俊獲得首屆國家最高科學(xué)技術(shù)獎中國人工智能學(xué)會2011年發(fā)起主辦“吳文俊人工智能科學(xué)技術(shù)獎”中國智能科學(xué)研究的領(lǐng)軍人-吳文俊院士吳院士開創(chuàng)了數(shù)學(xué)機(jī)械化研究領(lǐng)域，提出的用計算機(jī)證明幾何定理的方法在國際上被譽(yù)為“吳方法”，人工智能、模式識別等諸多領(lǐng)域背后都有數(shù)學(xué)機(jī)械化的廣泛應(yīng)用。美國人工智能協(xié)會前主席W.Bledsoe等人主動寫信給中國主管科技的領(lǐng)導(dǎo)人，稱贊“吳關(guān)于平面幾何定理自動證明的工作是一流的，他使中國在自動推理領(lǐng)域進(jìn)入國際領(lǐng)先地位”。04項(xiàng)目相關(guān)知識項(xiàng)目相關(guān)知識人工智能的迭起興衰中國人工智能的發(fā)展人工智能元年（1956）人工智能的萌芽和早期發(fā)展12341.人工的萌芽和早期發(fā)展人工智能發(fā)展的思想、理論與物質(zhì)基礎(chǔ)010203040506公元前384-公元前322年，亞里士多德在他的名著《工具論》中提出提出了演繹推理的基本依據(jù)：三段論英國哲學(xué)家培根系統(tǒng)地提出了以觀察和實(shí)驗(yàn)為基礎(chǔ)的歸納法—科學(xué)歸納法德國數(shù)學(xué)家和哲學(xué)家萊布尼茨(G.W.Leibniz)提出了萬能符號和推理計算的思想英國數(shù)學(xué)家艾倫·麥席恩·圖靈(A.M.Turing)在1936年提出了一種理想計算機(jī)數(shù)學(xué)模型，即圖靈機(jī)英國邏輯學(xué)家布爾(C.Boole)在《思維法則》一書中首次用符號語言描述了思維活動的基本推理法則美國神經(jīng)生理學(xué)家麥克洛奇與匹茲(W.Pitts)在1943年建成了第一個神經(jīng)網(wǎng)絡(luò)模型(M-P模型)。1.人工的萌芽和早期發(fā)展早期文學(xué)作品中的“機(jī)器人小滴答”-“Tik-Tok”北京時代華文書局出版的《綠野仙蹤全集—機(jī)器人小滴答》封面美國兒童文學(xué)作家萊曼·弗蘭克·鮑姆(1856-1919)在1914年創(chuàng)作了《機(jī)器人小滴答(Tik-TokofOZ)》。這個叫做“Tik-Tok”的機(jī)器人角色在作者的想象中，是一個非常具有責(zé)任心、有想象力能夠流利使用人類語言的人形機(jī)械（mechanicalman），它能思考會說話，可以做到一切人類能做到的事情?！癟ik-Tok”被廣泛地認(rèn)為是人類文學(xué)作品中最早的比較完善的“機(jī)器人”角色，是機(jī)器人這個概念的“原型機(jī)”。1.人工的萌芽和早期發(fā)展啟蒙與發(fā)展---圖靈機(jī)與圖靈測試圖靈機(jī)的基本構(gòu)造人工智能歷史上的第一座里程碑，便是圖靈機(jī)。在1936年，被稱為計算機(jī)科學(xué)之父、人工智能之父的英國數(shù)學(xué)家艾倫·麥席恩·圖靈提出了一個抽象的計算模型的構(gòu)想-圖靈機(jī)。左圖便是圖靈機(jī)的基本構(gòu)造，我們可以簡單地將其理解為三部分：紙帶、程序和處理盒。1.人工的萌芽和早期發(fā)展啟蒙與發(fā)展---圖靈機(jī)與圖靈測試1950年，艾倫·麥席恩·圖靈發(fā)表了一篇劃時代的論文，這也為他正式獲得了“人工智能之父”這一桂冠。圖靈提出了一個測試方法，這個方法就是通常說的“圖靈測試”。測試的具體形式采取問與答的模式，觀察者通過打字機(jī)與兩個被測試對象（一人類一機(jī)器）通話，觀察者不斷提出問題，通過被測試對象的回答來辨別其是人還是機(jī)器，如果機(jī)器使30%以上的觀察者對其身份產(chǎn)生了誤判，那么這個機(jī)器就可以被認(rèn)定為具備智能。圖靈測試為人工智能的概念與方向做出了進(jìn)一步的解釋與分析，也為人工智能做出了基本的標(biāo)準(zhǔn)。為紀(jì)念圖靈對計算機(jī)科學(xué)和人工智能領(lǐng)域的貢獻(xiàn)，美國計算機(jī)協(xié)會（ACM）于1966年設(shè)立了計算機(jī)獎項(xiàng)“A.M.圖靈獎（ACM

A.MTuringAward）”，簡稱“圖靈獎（TuringAward）”。2.人工智能元年在人工智能發(fā)展歷史上稱得上里程碑式的會議就是1956年8月在在美國的達(dá)特茅斯學(xué)院召開的達(dá)特茅斯會議，又稱為達(dá)特茅斯夏季人工智能研究計劃（DartmouthSummerResearchProjectonArtificialIntelligence）。在這個會議上人工智能（ArtificialIntelligence）這個詞被正式使用和廣泛接受，因此1956年被普遍稱為人工智能元年。2.人工智能元年達(dá)特茅斯會議的主題是“用機(jī)器來模仿人類學(xué)習(xí)以及其他方面的智能”，包括七個相關(guān)的基礎(chǔ)議題：自動計算機(jī)AutomaticComputer如何通過編程使計算機(jī)使用自然語言HowCanaComputerbeProgrammedtoUseaLanguage神經(jīng)元網(wǎng)絡(luò)NeuronNets計算規(guī)模理論TheoryoftheSizeofaCalculation自我提升Self-Improvement抽象概念A(yù)bstraction隨機(jī)性和創(chuàng)造力RandomnessandCreativity3.人工智能的迭起興衰ABCDEF第一次繁榮（1956-1974）第一次“寒冬”（1974-1980）重振旗鼓（1980-1987）第二次寒冬（1987-1993）穩(wěn)健時代（1993-2011）走向新的繁榮（2012-今）3.人工智能的迭起興衰-大事記第一次繁榮期（1956-1974）Unimate機(jī)器人機(jī)器人WABOT-13.人工智能的迭起興衰-大事記重振旗鼓期（1980-1987）專家系統(tǒng)卡耐基梅隆大學(xué)（CMU）1978年研發(fā)的XCON，在1980年正式投入工廠使用，XCON是一款能夠幫助顧客自動選配計算機(jī)配件的軟件程序，這是個完善的專家系統(tǒng)，包含了設(shè)定好的超過2500條規(guī)則，在后續(xù)幾年處理了超過80000條訂單，準(zhǔn)確度超過95%，每年節(jié)省超過2500萬美元。這成為一個新時期的里程碑。日本的第五代計算機(jī)系統(tǒng)日本研發(fā)的第五代計算機(jī)日本嘗試使用大規(guī)模多CUP并行計算來解決人工智能計算力問題，并希望打造面向更大的人類知識庫的專家系統(tǒng)來實(shí)現(xiàn)更強(qiáng)的人工智能。3.人工智能的迭起興衰-大事記穩(wěn)健時代（1993-2011）1997年5月，“深藍(lán)”以3.5-2.5正式擊敗國際象棋世界冠軍卡斯巴羅夫，成為了首個在標(biāo)準(zhǔn)比賽時間內(nèi)擊敗國際象棋世界冠軍的計算機(jī)系統(tǒng)。人工智能在某個領(lǐng)域正式超越人類的消息廣為傳播，引起了世界的轟動。超級計算機(jī)“深藍(lán)”的其中一個機(jī)組3.人工智能的迭起興衰-大事記走向新的繁榮（2012-今）阿爾法狗（AlphaGo）同樣是下棋，對于計算機(jī)來說，圍棋的難度要遠(yuǎn)高于國際象棋，因?yàn)閲宓穆渥狱c(diǎn)太多，分支因子也遠(yuǎn)多于其他游戲。AlphaGo通過數(shù)萬盤的自我對弈進(jìn)行練習(xí)強(qiáng)化，于2016年3月以4：1擊敗了韓國最強(qiáng)的職業(yè)棋手李世石。3.人工智能的迭起興衰-大事記走向新的繁榮（2012-今）波士頓動力學(xué)公司機(jī)器狗和機(jī)器人的演進(jìn)大狗機(jī)器人（Bigdog）大狗機(jī)器人（Bigdog）因形似機(jī)械狗被命名為“大狗”。大狗機(jī)器人由波士頓動力學(xué)工程公司研制，1992年MarcRaibert與他人一起創(chuàng)辦了波士頓動力學(xué)公司。他首先開發(fā)了全球第一個能自我平衡的跳躍機(jī)器人。左圖所示是波士頓動力學(xué)公司機(jī)器狗和機(jī)器人的演進(jìn)。4.中國人工智能的發(fā)展20141978年20世紀(jì)80年代初19842006鄧小平發(fā)表了“科學(xué)技術(shù)是生產(chǎn)力”的重要講話科技事業(yè)迎來了春天錢學(xué)森等主張開展人工智能研究人工智能研究進(jìn)一步活躍鄧小平批示批示“計算機(jī)普及要從娃娃抓起”研究境遇有了極大改善人工智能學(xué)科誕生50周年，東北大學(xué)的“棋天大圣”象棋軟件獲得機(jī)器博弈冠軍人工智能科技取得了長足的進(jìn)步人工智能成為國家發(fā)展戰(zhàn)略進(jìn)入快速發(fā)展通道4.中國人工智能的發(fā)展人工智能等新技術(shù)的進(jìn)步極大地推動了中國制造向高端制造領(lǐng)域發(fā)展，近些年來，我國也誕生許多與人工智能相關(guān)的世界級品牌產(chǎn)品。以華為，小米，OPPO，VIVO為代表的智能手機(jī)，已形成中國智能手機(jī)集群優(yōu)勢，在全球占有極大的市場份額。研發(fā)大疆無人機(jī)的深圳市大疆創(chuàng)新科技有限公司，創(chuàng)立于2006年，短短的十五年時間，大疆創(chuàng)新的業(yè)務(wù)從無人機(jī)系統(tǒng)拓展至多元化產(chǎn)品體系，在無人機(jī)、手持影像系統(tǒng)、機(jī)器人教育等多個領(lǐng)域成為全球領(lǐng)先的品牌，以一流的技術(shù)產(chǎn)品重新定義了“中國制造”的內(nèi)涵。MavicAir2型號大疆無人機(jī)04項(xiàng)目小結(jié)與展望項(xiàng)目小結(jié)本項(xiàng)目我們學(xué)習(xí)了人工智能的發(fā)展史，從公元前偉大的哲學(xué)家亞里士多德的三段論的形式邏輯，到科學(xué)歸納法、數(shù)量邏輯、思維規(guī)律機(jī)械化、神經(jīng)網(wǎng)絡(luò)模型、計算機(jī)數(shù)學(xué)模型、世界上第一臺電子計算機(jī)等成就奠定了人工智能發(fā)展思想、理論和物質(zhì)基礎(chǔ)。人工智能歷史上的第一座里程碑是圖靈機(jī)與圖靈測試；以時間軸看，從人工智能元年（1956年）到今天的2021年，人工智能經(jīng)歷了第一次繁榮（1956-1974）、第一次“寒冬”（1974-1980）、重振旗鼓（1980-1987）、第二次寒冬（1987~1993）、穩(wěn)健時代（1993-2011）和走向新的繁榮（2012-今）的曲折的發(fā)展階段后才有了今天的輝煌。項(xiàng)目展望以史為鑒，面向未來，毫無疑問，人工智能的嶄新時代已經(jīng)來臨，我們未來的生活和工作都離不開它。作為大學(xué)生，我們需要了解、認(rèn)識人工智能，下一單元，我們會帶大家從零開始認(rèn)識人工智能。感謝您的觀看接下來讓我們通過紀(jì)錄片的方式，去“親歷”人工智能的前世今生《楊瀾訪談錄》人工智能系列紀(jì)錄片——《探尋人工智能》/video/BV1LW411Y7Ui?from=search&seid=8443311150423123977人工智能導(dǎo)論項(xiàng)目2人工智能基礎(chǔ)01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識目錄CONTENTS05項(xiàng)目任務(wù)06項(xiàng)目小結(jié)與展望01項(xiàng)目背景人工智能典型應(yīng)用場景–指紋識別與手寫輸入事先反復(fù)錄入，保存特征使用簡單，即刻識別檢測目標(biāo)：個人身份事先無需錄入直接使用，即刻識別檢測目標(biāo)：手寫內(nèi)容人工智能系統(tǒng)需要處理的數(shù)據(jù)對象千差萬別，其技術(shù)是否也是千變?nèi)f化、難以捉摸呢？恰恰相反，人工智能的工作原理、數(shù)據(jù)的處理流程和處理目標(biāo)都有極高的相似性。一般來說，人工智能技術(shù)能夠通過對已有數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而習(xí)得數(shù)據(jù)之中的模式和規(guī)律，之后能夠?qū)π碌臄?shù)據(jù)進(jìn)行預(yù)測、判別、歸類和推薦等。人工智能的處理對象–數(shù)據(jù)與模式02思維導(dǎo)圖項(xiàng)目二思維導(dǎo)圖03課程思政我國在2017年以“國家戰(zhàn)略”的形式頒布了人工智能發(fā)展總體框架《新一代人工智能發(fā)展規(guī)劃》，并隨之推出了一系列政策推進(jìn)人工智能關(guān)鍵核心技術(shù)和產(chǎn)業(yè)發(fā)展。美國、德國、法國等西方傳統(tǒng)強(qiáng)國和日本也都制定了國家層次的人工智能發(fā)展戰(zhàn)略。人工智能已經(jīng)進(jìn)入國家的戰(zhàn)略層次，對推動國家經(jīng)濟(jì)高質(zhì)量發(fā)展、保障國家安全都具有十分重要的意義。人工智能技術(shù)進(jìn)入國家戰(zhàn)略層次關(guān)鍵核心技術(shù)必須牢牢掌握在我們自己手中我們必須居安思危。與美國相比，我國在人工智能領(lǐng)域的關(guān)鍵核心技術(shù)仍有一定距離，尤其在人工智能基礎(chǔ)技術(shù)領(lǐng)域的差距更為明顯。作為國之重器，關(guān)鍵核心技術(shù)是我國創(chuàng)新能力體現(xiàn)和結(jié)晶，是我國科技發(fā)展、實(shí)現(xiàn)科技強(qiáng)國、國家偉大復(fù)興的重要保障，“關(guān)鍵核心技術(shù)必須牢牢掌握在我們自己手中”。人工智能關(guān)鍵核心技術(shù)的發(fā)展，既要保護(hù)我們在人工智能方面現(xiàn)有的技術(shù)優(yōu)勢，更需要不斷發(fā)揚(yáng)創(chuàng)新精神和工匠精神，在基礎(chǔ)關(guān)鍵核心領(lǐng)域不斷取得突破。而這正等待著作為本書讀者的你，積極投身人工智能相關(guān)領(lǐng)域的研究和應(yīng)用之中，為民族富強(qiáng)、國家復(fù)興而奮斗。關(guān)于工匠精神04項(xiàng)目相關(guān)知識項(xiàng)目相關(guān)知識2.1AI基礎(chǔ)知識1、智能的具體表現(xiàn)人的五官和肢體表面的各種傳感器代表了人的感知能力，是人類接收外界信號方式和渠道，沒有了感知就像閉關(guān)鎖國的清朝；人的大腦代表了智力，表示人類認(rèn)識、理解客觀事物并運(yùn)用知識、經(jīng)驗(yàn)等解決問題的能力，是人工智能的最核心技術(shù)；人的心臟和四肢代表了體力，這是人類各項(xiàng)能力的基礎(chǔ)，支撐著人身體的運(yùn)動，是人影響外界的主要途徑。人工智能在“感知能力”“智力”和“體力”三個領(lǐng)域發(fā)展迅速，在部分領(lǐng)域甚至已經(jīng)遠(yuǎn)超人類，這種趨勢在將來將會愈演愈烈。2、人工智能的三種形態(tài)根據(jù)智能水平的高低，產(chǎn)業(yè)界將人工智能分為三種形態(tài)：弱人工智能、強(qiáng)人工智能和超人工智能。2.1AI基礎(chǔ)知識人類智能水平2.1AI基礎(chǔ)知識3、AI技術(shù)四要素，一個都不能少4、AI技術(shù)體系：基礎(chǔ)很重要2.1AI基礎(chǔ)知識人工智能以知識為研究中心，涉及到知識的獲取、表示、處理、分析和使用五個主要環(huán)節(jié)。人工智能中的“智能”體現(xiàn)在上述每一個環(huán)節(jié)，要求AI具備五個方面的智能：知識表示、機(jī)器感知、機(jī)器思維、機(jī)器學(xué)習(xí)與機(jī)器行為。2.2AI的主要表現(xiàn)形式1、知識表示知識經(jīng)過一定的表示，才能把知識存儲到計算機(jī)中，供求解問題使用。知識表示方法可分為兩大類：-符號表示法-連接機(jī)制表示法。2.2AI的主要表現(xiàn)形式2、機(jī)器感知，讓認(rèn)識和感知世界，計算機(jī)具有類似于人的感知能力，從而模擬、延伸和擴(kuò)展人從外界獲取信息的能力，如視覺、音頻（即聽覺）、語音、自然語言等。目前已經(jīng)形成了兩個專門的機(jī)器感知研究領(lǐng)域：模式識別、自然語言理解。2.2AI的主要表現(xiàn)形式3、機(jī)器思維：讓機(jī)器可以自動推理與搜索機(jī)器思維是指對通過感知得來的外部信息以及機(jī)器內(nèi)部生產(chǎn)的各種工作信息進(jìn)行有目的的處理，是人工智能研究中最重要也是最為關(guān)鍵的研究內(nèi)容。機(jī)器思維使得計算機(jī)能夠模擬人類的思維活動，既可以進(jìn)行邏輯思維，又可以進(jìn)行形象思維。2.2AI的主要表現(xiàn)形式4、機(jī)器學(xué)習(xí)：自主學(xué)習(xí)、自我完善的能力。機(jī)器學(xué)習(xí)是指在一定的知識表示框架下獲取新知識的過程，主要研究如何使計算機(jī)具有類似于人的學(xué)習(xí)能力，從而使AI能夠像人一樣通過學(xué)習(xí)自動地獲取知識，并在實(shí)踐中不斷地完善和提高自我。常見方法有回歸分析、分類、推薦、計劃、優(yōu)化和模式識別2.2AI的主要表現(xiàn)形式5、機(jī)器行為：影響世界的能力機(jī)器行為主要是指計算機(jī)的表達(dá)能力，包括說、寫、畫等能力。對于智能機(jī)器人來說，它還應(yīng)具有人的四肢功能，即能走路、能取物、能操作等。2.2AI的主要表現(xiàn)形式AI應(yīng)用場景極其廣泛，小到智能燈、刷臉、空調(diào)溫度自動調(diào)控，大到無人駕駛、載人航天、馬斯克的火箭自動回收等。每個應(yīng)用場景都涉及三個基本問題：-做什么、-學(xué)什么、-怎么學(xué)。2.3AI的典型任務(wù)1、回歸（Regression）是一種針對數(shù)值型連續(xù)數(shù)據(jù)進(jìn)行預(yù)測和建模的有監(jiān)督學(xué)習(xí)算法?；貧w任務(wù)的特點(diǎn)是需要標(biāo)注的數(shù)據(jù)集，任務(wù)輸入數(shù)據(jù)是連續(xù)性數(shù)據(jù)，任務(wù)目標(biāo)也是連續(xù)型數(shù)值。也就是說，每一個觀察樣本都有一個數(shù)值型的標(biāo)注真值。典型的回歸算法有線性回歸、多項(xiàng)式回歸、邏輯回歸、Ridge回歸、Lasso回歸等。2.3AI的典型任務(wù)2、分類（Classification）就是給數(shù)據(jù)貼標(biāo)簽的過程，要求盡肯能為不同類別數(shù)據(jù)貼上正確的類別標(biāo)簽。分類任務(wù)的目標(biāo)就是讓機(jī)器通過經(jīng)驗(yàn)學(xué)習(xí)從而具有正確貼標(biāo)簽的能力。從數(shù)學(xué)角度來看，分類是一種對離散型隨機(jī)變量建?；蜻M(jìn)行預(yù)測的一種有監(jiān)督學(xué)習(xí)算法。與回歸算法不同的是，分類算法通常適用于預(yù)測一個類別（或類別的概率）而不是連續(xù)的數(shù)值。2.3AI的典型任務(wù)3聚類（Clustering）就是給相似的或相近的數(shù)據(jù)劃分到同一類別，把不相似或者不相近的數(shù)據(jù)劃分到不同類別，聚類一般不需要預(yù)先給數(shù)據(jù)打標(biāo)簽。從技術(shù)上來講，聚類是一種無監(jiān)督學(xué)習(xí)任務(wù)，該算法基于數(shù)據(jù)的內(nèi)部結(jié)構(gòu)尋找觀察樣本的自然族群（即集群）。聚類常被用作分類算法的數(shù)據(jù)預(yù)處理步驟，用于處理缺少標(biāo)簽的數(shù)據(jù)。通過聚類分析，可以獲得數(shù)據(jù)分布的基本概況，從而有助于提高分類算法的效率有效性。2.3AI的典型任務(wù)2.4AI基礎(chǔ)技術(shù)當(dāng)前主流的人工智能技術(shù)：-基于統(tǒng)計的機(jī)器學(xué)習(xí)（MachineLearning，簡稱ML）-人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeutralNetwork，簡稱ANN）-深度學(xué)習(xí)（DeepLearning，簡稱DL）-強(qiáng)化學(xué)習(xí)（ReinforcementLearning，簡稱RL）。在實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)可以理解為一種數(shù)據(jù)科學(xué)技術(shù)，通過算法幫助計算機(jī)從現(xiàn)有的數(shù)據(jù)中學(xué)習(xí)、獲得規(guī)則，從而預(yù)測未來的行為、結(jié)果和趨勢（圖2-13）。機(jī)器學(xué)習(xí)的特點(diǎn)是只能解決存在過的能夠提供經(jīng)驗(yàn)數(shù)據(jù)的場景、而不能解決未遇見過的問題或場景，所以屬于弱人工智能范疇。1、機(jī)器學(xué)習(xí)是人工智能的核心技術(shù)和實(shí)現(xiàn)手段。簡單來說，機(jī)器學(xué)習(xí)就是讓計算機(jī)具有學(xué)習(xí)的能力，從而使得計算機(jī)能夠模擬人的行為。2.4AI基礎(chǔ)技術(shù)機(jī)器學(xué)習(xí)的基本原理：機(jī)器學(xué)習(xí)一般包括三個步驟：一是收集歷史數(shù)據(jù)，二是通過算法學(xué)習(xí)獲得分布模式，三是應(yīng)用模型處理新數(shù)據(jù)從而預(yù)測未來。其中，步驟二是機(jī)器學(xué)習(xí)研究的重點(diǎn)，學(xué)習(xí)的過程就是根據(jù)數(shù)據(jù)確定模型參數(shù)的過程。因此，機(jī)器“學(xué)習(xí)”的過程可以簡化為尋找一個函數(shù)的過程，學(xué)習(xí)的結(jié)果也就是一個確定了參數(shù)的數(shù)學(xué)函數(shù)。2.4AI基礎(chǔ)技術(shù)機(jī)器學(xué)習(xí)算法分類分類

算法任務(wù)目標(biāo)學(xué)習(xí)方式分類聚類回歸降維有監(jiān)督無監(jiān)督半監(jiān)督強(qiáng)化學(xué)習(xí)回歸算法√

√

√

K近鄰（KNN）√

√

k-Means

√

√

決策樹√

√

√

貝葉斯方法√

√

√

核方法:SVM/RBF/LDA√

√

√

期望最大化（EM）√

√

√√

神經(jīng)網(wǎng)絡(luò)√√

√√

深度學(xué)習(xí)√√

√√

主成份分析（PCA）

√

√

圖論推理算法√

√

√

拉普拉斯SVM√

√

√

Q-Learning√√√

√時間差學(xué)習(xí)√√√

√機(jī)器學(xué)習(xí)算法眾多，不同視角有不同的分類方式，這里主要介紹學(xué)習(xí)任務(wù)和學(xué)習(xí)方式兩種視角。-根據(jù)學(xué)習(xí)任務(wù)的不同，可以把人工智能算法分為分類、聚類、回歸以及降維四種類別。降維是數(shù)據(jù)預(yù)處理的一種方法，其作用是降低計算量，服務(wù)于回歸、聚類和分類三種任務(wù)。-根據(jù)學(xué)習(xí)方式的不同，機(jī)器學(xué)習(xí)算法可以分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。2、人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeutralNetwork,ANN）人工神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的計算網(wǎng)絡(luò)，因而生物神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的技術(shù)原型。人類大腦皮層由大約140億個生物神經(jīng)元（簡稱神經(jīng)元）組成，每個神經(jīng)元又與大約103個其它神經(jīng)元相連接，形成一個高度復(fù)雜又高度靈活的不斷變化的動態(tài)網(wǎng)絡(luò)。2.4AI基礎(chǔ)技術(shù)生物神經(jīng)元神經(jīng)元以細(xì)胞核為中心，細(xì)胞核外有樹突與軸突，樹突接收其他神經(jīng)元的脈沖信號，而軸突將神經(jīng)元的輸出脈沖傳遞給其他神經(jīng)元，一個神經(jīng)元傳遞給不同神經(jīng)元的輸出是相同的。神經(jīng)元有兩種狀態(tài)：非激活和激活，非激活狀態(tài)的神經(jīng)元不輸出電脈沖，而激活狀態(tài)的神經(jīng)元會輸出電脈沖。神經(jīng)元的激活與否由其接收的所有脈沖信號決定。一個神經(jīng)元可以描述為一個處理電脈沖信號的非線性單元，該單元能夠接受來自多個其他神經(jīng)元的電脈沖，對接收到的電信號進(jìn)行一定的處理，能夠決定是否發(fā)射電脈沖信號。1943年，神經(jīng)科學(xué)家麥卡洛克和數(shù)學(xué)家皮茲聯(lián)手，根據(jù)生物神經(jīng)元細(xì)胞的結(jié)構(gòu)和工作原理，構(gòu)造并提出了神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型MCP（McCulloch-Pitt：MCP），從而形成了“模擬大腦”、開啟了人工神經(jīng)網(wǎng)絡(luò)（一般簡稱神經(jīng)網(wǎng)絡(luò)）的大門。人工神經(jīng)元（又稱感知器）結(jié)構(gòu)如圖2-17所示，其工作過程分為三個數(shù)學(xué)過程：對輸入信號進(jìn)行線性加權(quán)，加權(quán)后求和，以及采用一定閾值實(shí)現(xiàn)輸出信號的激活。由于輸出信號采用了閾值激活函數(shù)，人工神經(jīng)元實(shí)現(xiàn)了非線性信號處理。人工神經(jīng)元神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與學(xué)習(xí)過程典型的神經(jīng)網(wǎng)絡(luò)由一個輸入層、至少一個隱含層和一個輸出層組成（圖2-18），每層網(wǎng)絡(luò)由多個神經(jīng)元構(gòu)成，層與層之間一般采用全連接，神經(jīng)元之間的連接強(qiáng)度ω表示神經(jīng)元之間聯(lián)系的緊密程度。神經(jīng)網(wǎng)絡(luò)的模型眾多，不同模型具有不同的網(wǎng)絡(luò)結(jié)構(gòu)，形成了不同的神經(jīng)網(wǎng)絡(luò)算法。值得注意的是，深度學(xué)習(xí)網(wǎng)絡(luò)（如DBN、DCN、GAN、DRN等）也屬于神經(jīng)網(wǎng)絡(luò)。與非深度神經(jīng)網(wǎng)絡(luò)相比，深度學(xué)習(xí)網(wǎng)絡(luò)框架的層數(shù)往往較多、計算量巨大。神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展歷程3、深度學(xué)習(xí)（DeepLearning,DL）是機(jī)器學(xué)習(xí)中的一個研究分支，是神經(jīng)元層數(shù)較多的神經(jīng)網(wǎng)絡(luò)，因此深度學(xué)習(xí)網(wǎng)絡(luò)也被稱為深度神經(jīng)網(wǎng)絡(luò)。大家耳熟能詳?shù)纳疃葘W(xué)習(xí)網(wǎng)絡(luò)有很多，比如卷積神經(jīng)網(wǎng)絡(luò)（CNN），循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），生成對抗網(wǎng)絡(luò)（GAN），深度強(qiáng)化學(xué)習(xí)（DRL）等。一般來說，其隱藏層的層數(shù)依具體問題可以是幾層、幾十層、幾百層甚至數(shù)千層。2.4AI基礎(chǔ)技術(shù)4、強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL）是機(jī)器學(xué)習(xí)領(lǐng)域的一個分支，強(qiáng)調(diào)如何基于環(huán)境而行動，以取得最大化的預(yù)期利益?？梢哉J(rèn)為強(qiáng)化學(xué)習(xí)是一套通用的學(xué)習(xí)框架，可用來解決通用人工智能的問題。因此強(qiáng)化學(xué)習(xí)也被稱為通用人工智能的機(jī)器學(xué)習(xí)方法，在無人駕駛、工業(yè)自動化、金融貿(mào)易、自然語言處理、以及游戲等領(lǐng)域具有廣泛的應(yīng)用。強(qiáng)化學(xué)習(xí)的學(xué)習(xí)方式是在獲得樣例過程中進(jìn)行探索性學(xué)習(xí)（圖2-21），在獲得樣例之后根據(jù)環(huán)境反饋的獎賞和狀態(tài)更新自己的模型，利用更新后的模型來指導(dǎo)下一步的行動，下一步的行動獲得獎賞反饋之后再更新模型，不斷迭代重復(fù)直到模型收斂。強(qiáng)化學(xué)習(xí)的典型應(yīng)用有AlphaGoZero、基于RL的醫(yī)療保健動態(tài)治療方案（DTRs）、京東和阿里的產(chǎn)品推薦和廣告出價、新聞推薦等。2.4AI基礎(chǔ)技術(shù)5、中國人工智能產(chǎn)業(yè)分布國際一流發(fā)展迅速有待加強(qiáng)2.4AI基礎(chǔ)技術(shù)2.5AI典型應(yīng)用領(lǐng)域1、計算機(jī)視覺（ComputerVision，CV）：CV讓機(jī)器“看的見、看得懂”，是人工智能主要應(yīng)用領(lǐng)域之一。我國在機(jī)器視覺方面處于世界領(lǐng)先地位。2、智能語音：主要為機(jī)器人加上耳朵和嘴巴，讓機(jī)器人能夠“聽得懂”、并且“說得好聽”。3、自然語言處理（NaturalLanguageProcessing,NLP）：NLP被用于分析、理解和生成自然語言，以方便人和計算機(jī)設(shè)備進(jìn)行交流、以及人與人之間的交流。4、無人駕駛：通過自動駕駛系統(tǒng)，部分或完全的代替人類駕駛員，安全地駕駛車輛、船舶、飛機(jī)等各種運(yùn)輸設(shè)備。5、數(shù)據(jù)挖掘（DataMining），通過對海量數(shù)據(jù)的整理分析和歸納整合，分析并找出數(shù)據(jù)之間的潛在聯(lián)系，為做出理想決策或預(yù)測發(fā)展趨勢提供支撐性材料和建議，實(shí)現(xiàn)從海量數(shù)據(jù)中提取用于輔助決策的潛在的信息、知識、規(guī)律和模式。2.5AI典型應(yīng)用領(lǐng)域“科學(xué)技術(shù)都是一把雙刃劍”。伴隨著人工智能技術(shù)的成熟和廣泛應(yīng)用，人與機(jī)器之間的矛盾凸顯，人工智能的倫理問題引起了社會和各行各業(yè)的日益關(guān)注。人類對待AI出現(xiàn)了不同的觀點(diǎn)，在科幻電影甚至傳統(tǒng)媒體中均有體現(xiàn)。2.6人工智能倫理（EthicsofAI）AI在軍事上的應(yīng)用軍用智能機(jī)器的性能和殺傷力遠(yuǎn)超人類士兵，無疑引起了人類對未來的擔(dān)憂、以及對自主武器的爭論，目前爭論的核心是“自主武器該不該被使用”。2.6人工智能倫理（EthicsofAI）-AI倫理問題的解決方法阿西莫夫三定律：（1）機(jī)器人不得傷害人類，或因不作為使人類受到傷害。（2）除非違背第一定律，機(jī)器人必須服從人類的命令。（3）除非違背第一及第二定律，機(jī)器人必須保護(hù)自己。阿西莫夫第零定律：（0）機(jī)器人不得傷害人類整體，或因不作為使人類整體受到傷害。2.6人工智能倫理（EthicsofAI）人工智能的倫理問題仍需人類的統(tǒng)一意見和行動，需要政府統(tǒng)一制定政策并推進(jìn)執(zhí)行。2017年7月，中國國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，關(guān)于人工智能倫理和法律制定了三步走的戰(zhàn)略目標(biāo)：到2020年，部分領(lǐng)域的人工智能倫理規(guī)范和政策法規(guī)初步建立；到2025年，初步建立人工智能法律法規(guī)、倫理規(guī)范和政策體系；到2030年，建成更加完善的人工智能法律法規(guī)、倫理規(guī)范和政策體系。2.6人工智能倫理（EthicsofAI）-AI倫理問題的解決方法05項(xiàng)目任務(wù)06項(xiàng)目小結(jié)與展望項(xiàng)目小結(jié)人工智能定位于人類能力的模擬和延伸，其定義和內(nèi)涵隨著時代的前進(jìn)而不斷變化，其智能程度也在不斷提高，包括了早期的弱人工智能，現(xiàn)在正在發(fā)展的強(qiáng)人工智能，以及將來的超人工智能。人工智能需要解決的任務(wù)主要有三類：回歸、分類和聚類，其實(shí)現(xiàn)的技術(shù)手段以機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)為基本技術(shù)、以深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等為主流方法。伴隨著人工智能技術(shù)在社會各行業(yè)、各領(lǐng)域的深入應(yīng)用，人工智能的倫理問題也日益突出，成為政府和社會關(guān)注的焦點(diǎn)，也成為了影響人工智能走向的關(guān)鍵因素。我國是AI技術(shù)研發(fā)和應(yīng)用的大國，多項(xiàng)技術(shù)均處于國際領(lǐng)先地位。在我國“十四五”規(guī)劃中，AI被明確列為優(yōu)先發(fā)展的前沿科技領(lǐng)域之一，其基礎(chǔ)研究工作更是被放到了戰(zhàn)略地位，期待著更多的優(yōu)秀青年加入到AI基礎(chǔ)和核心研究中來。項(xiàng)目展望隨著人臉識別技術(shù)的逐步成熟，靠“臉”生存將不再是幻想。伴隨著人臉識別等人工智能技術(shù)的發(fā)展，今后，從個人生活、教育、商業(yè)服務(wù)到城市管理都將全面邁入智能化時代。特別是高校在課堂上引入人臉識別技術(shù)、對學(xué)生面部表情進(jìn)行識別，記錄學(xué)生的學(xué)習(xí)狀態(tài)，能更好的了解學(xué)生的學(xué)習(xí)情況，從而及時調(diào)整教學(xué)節(jié)奏。感謝您的觀看人工智能導(dǎo)論項(xiàng)目三人工智能編程語言Python01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識05項(xiàng)目任務(wù)目錄CONTENTS06展望01項(xiàng)目概述Python簡介Python已經(jīng)成為最受歡迎的程序設(shè)計語言之一,目前在人工智能科學(xué)領(lǐng)域被廣泛應(yīng)用。Python是人工智能（機(jī)器學(xué)習(xí)）的首選編程語言，它擁有眾多模塊，能完成人工智能開發(fā)的所有環(huán)節(jié)。使用Python進(jìn)行AI的一個主要優(yōu)點(diǎn)是它內(nèi)置了許多與機(jī)器學(xué)習(xí)相關(guān)的庫。Python提供了高效的高級數(shù)據(jù)結(jié)構(gòu)，還能簡單有效地面向?qū)ο缶幊獭ython語法和動態(tài)類型，以及解釋型語言的本質(zhì)，使它成為多數(shù)平臺上寫腳本和快速開發(fā)應(yīng)用的編程語言。主流的人工智能開發(fā)軟件如谷歌的TensorFlow、Facebook的PyTorch和百度的PaddlePaddle等都使用python作為開發(fā)語言。可以說，學(xué)習(xí)人工智能，很難不學(xué)Python。02思維導(dǎo)圖思維導(dǎo)圖03課程思政楊輝三角楊輝，字謙光，南宋時期杭州人。在他1261年所著的《詳解九章算法》一書中，輯錄了三角形數(shù)表，稱之為“開方作法本源”圖，并說明此表引自11世紀(jì)中葉（約公元1050年）賈憲的《釋鎖算術(shù)》，并繪畫了“古法七乘方圖”。故此，楊輝三角又被稱為“賈憲三角”。如圖3-1所示。生成楊輝三角的規(guī)律為：楊輝三角的兩個腰邊的數(shù)都是1，從第3行起，除第一個數(shù)和最后一個數(shù)外，其它位置的數(shù)都是上頂上兩個數(shù)之和。圖3-1楊輝三角形04項(xiàng)目知識準(zhǔn)備Python基礎(chǔ)語法任何一門編程語言都有其專屬的語法，編程語言之間有著相似的語法規(guī)定。我們需要遵守語法規(guī)定去編寫代碼向計算機(jī)發(fā)出正確的指令，計算機(jī)才會去執(zhí)行。Python的基本語法包括變量和常量、字典、列表、元組、條件判斷、循環(huán)、函數(shù)和類等。Python基礎(chǔ)語法標(biāo)識符簡單地理解，標(biāo)識符就是一個名字，就好像我們每個人都有屬于自己的名字，它的主要作用就是作為變量、函數(shù)、類、模塊以及其他對象的名稱。Python中標(biāo)識符的命名不是隨意的，而是要遵守一定的命令規(guī)則。標(biāo)識符是由字符（A~Z和a~z）、下劃線和數(shù)字組成，但第一個字符不能是數(shù)字。標(biāo)識符不能和Python中的保留字相同。Python中的標(biāo)識符中，不能包含空格、@、%以及$等特殊字符。標(biāo)識符區(qū)分大小寫。Python基礎(chǔ)語法標(biāo)識符下面所列舉的標(biāo)識符是合法的：UserID，name，mode12，user_age以下命名的標(biāo)識符不合法：4word#不能以數(shù)字開頭try#try是保留字，不能作為標(biāo)識符$money#不能包含特殊字符Python基礎(chǔ)語法縮進(jìn)Python中的縮進(jìn)（Indentation）決定了代碼的作用域范圍。這一點(diǎn)和傳統(tǒng)的c/c++有很大的不同（傳統(tǒng)的c/c++使用花括號花括號{}符決定作用域的范圍；python使用縮進(jìn)空格來表示作用域的范圍，相同縮進(jìn)行的代碼是處于同一范圍）。每行代碼中開頭的空格數(shù)用于計算該行代碼的縮進(jìn)級別。Python基礎(chǔ)語法注釋注釋用來向用戶提示或解釋某些代碼的作用和功能，它可以出現(xiàn)在代碼中的任何位置。Python解釋器在執(zhí)行代碼時會忽略注釋，不做任何處理，就好像它不存在一樣。Python支持兩種類型的注釋，分別是單行注釋和多行注釋。單行注射以#開頭，多行注釋使用三個連續(xù)的單引號‘’‘或者三個連續(xù)的雙引號“”“。例如:#這是單行注釋‘’’這是多行注釋’’’Python基礎(chǔ)語法關(guān)鍵字Python有一組關(guān)鍵字，這些關(guān)鍵字是保留字，不能用作變量名、函數(shù)名或任何其他標(biāo)識符。如and、as、break、continue和class等，我們在后續(xù)的學(xué)習(xí)中會逐步認(rèn)識這些關(guān)鍵字。Python基礎(chǔ)語法變量我們定義一個計算機(jī)變量就好像向快遞柜申請一個格子用來存放東西，這個格子的大小呢是根據(jù)我們變量的類型（就是想要存放的物品的可能尺寸）來分配的。而在申請一個格子的時候，里面可能會存在一些東西，當(dāng)我們放新的東西的進(jìn)去的時候就會把原來的東西給擠走（更準(zhǔn)確說是覆蓋，舊的東西找不回來了）。如果我們想讓這個格子里的內(nèi)容參與運(yùn)算的時候，我們只需要告訴運(yùn)算的指令這個格子的名稱（即變量的名稱）即可。Python變量、類型和運(yùn)算符所有的編程語言都支持變量，Python也不例外。變量是編程的起點(diǎn)，程序需要將數(shù)據(jù)存儲到變量中。Python基礎(chǔ)語法變量在編程語言中，將數(shù)據(jù)放入變量的過程叫做賦值。Python使用等號=作為賦值運(yùn)算符，具體格式為：name=valuename表示變量名；value表示值，也就是要存儲的數(shù)據(jù)。例如：>>>var1=123>>>var2=4.56Python基礎(chǔ)語法變量類型變量可以指定不同的數(shù)據(jù)類型，這些變量可以存儲整數(shù)，小數(shù)或字符。Python定義了一些標(biāo)準(zhǔn)類型，用于存儲各種類型的數(shù)據(jù)。這些類型包括數(shù)字、字符串、列表、元組和字典。數(shù)字?jǐn)?shù)據(jù)類型用于存儲數(shù)值。他們是不可改變的數(shù)據(jù)類型，這意味著改變數(shù)字?jǐn)?shù)據(jù)類型會分配一個新的對象。當(dāng)你指定一個值時，數(shù)字對象就會被創(chuàng)建。例如:var1=1var2=10Python基礎(chǔ)語法輸入與輸出Python使用input()和print()函數(shù)來完成輸入和輸出操作。a=input('輸入你的名字:')b=input('輸入你的生日：')print('你的姓名:',a)print('你的生日:',b)Python基礎(chǔ)語法運(yùn)算符1+2=3。其中，1和2被稱為操作數(shù)，“+”稱為運(yùn)算符。Python支持多種運(yùn)算符。請到平臺中練習(xí)Python運(yùn)算符的使用。Python基礎(chǔ)語法編碼規(guī)范一、規(guī)范的代碼可以促進(jìn)團(tuán)隊(duì)合作二、規(guī)范的代碼可以減少bug三、規(guī)范的代碼可以降低維護(hù)成本四、規(guī)范的代碼有助于代碼審查[1]/xiaxianfei/p/5275022.html數(shù)據(jù)類型數(shù)字Python中有三種數(shù)字類型：整數(shù)類型、浮點(diǎn)類型和復(fù)數(shù)類型。為變量賦值時，將創(chuàng)建數(shù)值類型的變量。Python中布爾類型為bool，bool是int的子類。bool類型只有兩個值：True和False。任何類型數(shù)據(jù)都可以通過bool()函數(shù)轉(zhuǎn)換為布爾值，“沒有的”或“空的”值會轉(zhuǎn)換為False，反之轉(zhuǎn)換為True。如：None（空對象）、False、0、0.0、0j（復(fù)數(shù)）、''（空字符串）、[]（空列表）、()（空元組）和{}（空字典）這些值會轉(zhuǎn)換為False，否則是True。數(shù)據(jù)類型字符串字符串是Python中最常用的數(shù)據(jù)類型，字符串通常是由數(shù)字，子母、符號組成的一串字符。我們可以使用引號('或")來創(chuàng)建字符串。創(chuàng)建字符串的過程十分簡單，我們只要為變量分配被引號包圍住的一個值即可。例如：String1=‘張三’,String2=‘a(chǎn)bc’數(shù)據(jù)類型列表列表是最常用的Python數(shù)據(jù)類型，它可以作為一個方括號內(nèi)的逗號分隔值出現(xiàn)。列表的數(shù)據(jù)項(xiàng)不需要具有相同的類型。創(chuàng)建一個列表，只要把逗號分隔的不同的數(shù)據(jù)項(xiàng)使用方括號括起來即可。如下所示：list1=['physics','chemistry',1997,2000]list2=[1,2,3,4,5]list3=["a","b","c","d"]列表索引從0開始。第一個索引是0，第二個索引是1，依此類推。數(shù)據(jù)類型集合集合（set）是一個無序的不重復(fù)元素序列。可以使用大括號{}或者set()函數(shù)創(chuàng)建集合，注意：創(chuàng)建一個空集合必須用set()而不是{}，因?yàn)閧}是用來創(chuàng)建一個空字典。數(shù)據(jù)類型元組Python的元組與列表類似，不同之處在于元組的元素不能修改。元組使用小括號，列表使用方括號。元組創(chuàng)建很簡單，只需要在括號中添加元素，并使用逗號隔開即可。tup1=('physics','chemistry',1997,2000)tup2=(1,2,3,4,5)tup3="a","b","c","d“元組與列表類似，下標(biāo)索引從0開始，可以進(jìn)行截取，組合等。數(shù)據(jù)類型字典字典是另一種可變?nèi)萜髂Ｐ停铱纱鎯θ我忸愋蛯ο?。為了方便理解字典這一數(shù)據(jù)結(jié)構(gòu)，我們可以這樣去解釋：你手上有一本電話本（字典），當(dāng)你想查閱張三的電話號碼（value），你就得在電話本上根據(jù)張三的名字（key）去尋找對應(yīng)的張三的電話號碼。張三的電話號碼可以有很多個，但是電話本上張三的名字只能有一個。dictionary={ “name”:”張三”, “phone”:”12345”, Key3:value3, …}print(dictionary[“name”])#訪問字典里對應(yīng)name的值數(shù)據(jù)類型字典程序在一般情況下是按順序執(zhí)行的，就像流水賬一樣，一條一條從上往下按照順序執(zhí)行。有時候我們需要根據(jù)條件來有選擇地執(zhí)行某些語句，這就要使用到Python的條件判斷語句——if。Python條件語句是通過一條或多條語句的執(zhí)行結(jié)果（True或者False）來決定執(zhí)行的代碼塊。可以通過右圖來簡單了解條件語句的執(zhí)行過程:條件控制語句條件判斷實(shí)例

#1.定義年齡變量age=18

#2.判斷是否滿18歲#if語句以及縮進(jìn)部分的代碼是一個完整的代碼塊ifage>=18:print("你是一個成年人了……")循環(huán)的概念循環(huán)是大多數(shù)編程語言都有的基本功能，它可以幫助我們執(zhí)行一些重復(fù)的代碼工作，但不同的語言循環(huán)結(jié)構(gòu)會有一定的差異。Python中有for和while兩種循環(huán)結(jié)構(gòu)。for循環(huán)for循環(huán)是在希望創(chuàng)建循環(huán)時經(jīng)常使用的工具。Pythonfor循環(huán)可以遍歷任何可迭代對象，包括列表、元組、集合、字典甚至字符串。for循環(huán)的一般代碼格式如下：for迭代變量in字符串|列表|元組|字典|集合：代碼塊fruits=["apple","banana","cherry"]forxinfruits:print(x)

while循環(huán)while循環(huán)的一般形式如下：while（判斷條件）：代碼塊

while循環(huán)while循環(huán)的一般形式如下：while（判斷條件）：代碼塊

迭代器迭代是Python最強(qiáng)大的功能之一，是訪問元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結(jié)束。迭代器只能往前不會后退。迭代器有兩個基本的方法：iter()和next()。字符串，列表或元組對象都可用于創(chuàng)建迭代器。>>>list=[1,2,3,4]>>>it=iter(list)#創(chuàng)建迭代器對象>>>print(next(it))#輸出迭代器的下一個元素1>>>print(next(it))2

函數(shù)的概念函數(shù)是組織好的，可重復(fù)使用的，用來實(shí)現(xiàn)單一，或相關(guān)聯(lián)功能的代碼段。函數(shù)能提高應(yīng)用的模塊性，和代碼的重復(fù)利用率。你已經(jīng)知道Python提供了許多內(nèi)建函數(shù)，比如print()。但你也可以自己創(chuàng)建函數(shù)，這被叫做用戶自定義函數(shù)。函數(shù)的實(shí)例>>>defhello():print("HelloWorld!")

>>>hello()面向?qū)ο缶幊趟枷腩?Class):

用來描述具有相同的屬性和方法的對象的集合。它定義了該集合中每個對象所共有的屬性和方法。對象是類的實(shí)例。方法：類中定義的函數(shù)。類變量：類變量在整個實(shí)例化的對象中是公用的。類變量定義在類中且在函數(shù)體之外。類變量通常不作為實(shí)例變量使用。數(shù)據(jù)成員：類變量或者實(shí)例變量用于處理類及其實(shí)例對象的相關(guān)的數(shù)據(jù)。方法重寫：如果從父類繼承的方法不能滿足子類的需求，可以對其進(jìn)行改寫，這個過程叫方法的覆蓋（override），也稱為方法的重寫。局部變量：定義在方法中的變量，只作用于當(dāng)前實(shí)例的類。實(shí)例變量：在類的聲明中，屬性是用變量來表示的，這種變量就稱為實(shí)例變量，實(shí)例變量就是一個用self修飾的變量。繼承：即一個派生類（derivedclass）繼承基類（baseclass）的字段和方法。繼承也允許把一個派生類的對象作為一個基類對象對待。例如，有這樣一個設(shè)計：一個Dog類型的對象派生自Animal類，這是模擬"是一個（is-a）"關(guān)系（例圖，Dog是一個Animal）。實(shí)例化：創(chuàng)建一個類的實(shí)例，類的具體對象。對象：通過類定義的數(shù)據(jù)結(jié)構(gòu)實(shí)例。對象包括兩個數(shù)據(jù)成員（類變量和實(shí)例變量）和方法。Python模塊Python模塊(Module)，是一個Python文件，以.py結(jié)尾，包含了Python對象定義和Python語句。模塊讓你能夠有邏輯地組織你的Python代碼段。把相關(guān)的代碼分配到一個模塊里能讓你的代碼更好用，更易懂。模塊能定義函數(shù)，類和變量，模塊里也能包含可執(zhí)行的代碼。04項(xiàng)目任務(wù)任務(wù)1：用python實(shí)現(xiàn)楊輝三角任務(wù)描述利用Python對數(shù)列的循環(huán)操作，實(shí)現(xiàn)中國南宋數(shù)學(xué)家楊輝在1261年所著的《詳解九章算法》中出現(xiàn)的楊輝三角。

任務(wù)1：用python實(shí)現(xiàn)楊輝三角技術(shù)分析在我們編寫程序前，我們需要了解其編程的思想，才能更好更快的寫出質(zhì)量優(yōu)雅的代碼。而生成楊輝三角的主要規(guī)律為：楊輝三角的兩個腰邊的數(shù)都是1，從第3行起，除第一個數(shù)和最后一個數(shù)外，其它位置的數(shù)都是上頂上兩個數(shù)之和,如下圖所示。任務(wù)1：用python實(shí)現(xiàn)楊輝三角任務(wù)實(shí)現(xiàn)---請大家掃二維碼根據(jù)步驟測試實(shí)現(xiàn)任務(wù)2：用python實(shí)現(xiàn)詞云圖任務(wù)描述本節(jié)將利用wordcloud中的方法生成一個詞云圖。任務(wù)2：用Python實(shí)現(xiàn)詞云圖技術(shù)分析詞云就是通過形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，對網(wǎng)絡(luò)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”的視覺上的突出。詞云圖過濾掉大量的文本信息，使瀏覽網(wǎng)頁者只要一眼掃過文本就可以領(lǐng)略文本的主旨。制作詞云也十分容易上手，我們首先需要通過pip命令安裝wordcloud與jieba依賴庫，通過庫中封裝好的方法處理，即可做出你想要的詞云圖。任務(wù)2：用Python實(shí)現(xiàn)詞云圖任務(wù)實(shí)現(xiàn)---請大家掃二維碼根據(jù)步驟測試實(shí)現(xiàn)任務(wù)3：用Python畫出象棋棋盤任務(wù)描述下載并安裝Python入門級用于基礎(chǔ)繪圖的turtle庫，利用turtle庫抽象出的方法編寫出相應(yīng)的代碼，畫出中國象棋棋盤。任務(wù)3：用Python畫出象棋棋盤技術(shù)分析中國象棋是起源于中國的一種棋，屬于二人對抗性游戲的一種，在中國有著悠久的歷史。由于用具簡單，趣味性強(qiáng)，成為流行極為廣泛的棋藝活動。中國象棋是中國棋文化，也是中華民族的文化瑰寶，它源遠(yuǎn)流長，趣味濃厚，基本規(guī)則簡明易懂。中國象棋在中國的群眾中基礎(chǔ)遠(yuǎn)遠(yuǎn)超過圍棋，是普及最廣的棋類項(xiàng)目，中國象棋已流傳到十幾個國家和地區(qū)。中國象棋是一種古老的棋類游戲，大約有兩千年的歷史。是中華文明非物質(zhì)文化經(jīng)典產(chǎn)物，藝術(shù)價值泛屬于整個人類文明進(jìn)化史的一個分枝。繪制出中國象棋棋盤需要充分掌握Python的一個繪畫庫——turtle，turtle庫帶有畫布（canvas）、畫筆、繪圖命令、畫筆控制命令等抽象方法。任務(wù)3：用Python畫出象棋棋盤任務(wù)實(shí)現(xiàn)---請大家掃二維碼根據(jù)步驟測試實(shí)現(xiàn)04項(xiàng)目小結(jié)與展望展望Python已發(fā)展成為一種非常通用的語言，無論是從入門級選手到專業(yè)技術(shù)數(shù)據(jù)挖掘、科學(xué)計算、圖像處理、人工智能，Python都可以勝任。大數(shù)據(jù)和人工智能的時代，將會有大量的數(shù)據(jù)需要處理，而Python對數(shù)據(jù)的處理，有著得天獨(dú)厚的優(yōu)勢。未來，python仍會是一種主流的編程語言，繼續(xù)在各個領(lǐng)域發(fā)揮作用。人工智能導(dǎo)論項(xiàng)目四物體識別--計算機(jī)視覺的應(yīng)用01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識05項(xiàng)目任務(wù)目錄CONTENTS06項(xiàng)目小結(jié)與展望01項(xiàng)目背景物體識別背景介紹伴隨著圖片成為互聯(lián)網(wǎng)中的主要信息載體，難題隨之出現(xiàn)。當(dāng)信息由文字記載時，我們可以通過關(guān)鍵詞搜索輕易找到所需內(nèi)容并進(jìn)行任意編輯，而當(dāng)信息由圖片記載時，我們卻無法對圖片中的內(nèi)容進(jìn)行檢索，從而影響了我們從圖片中找到關(guān)鍵內(nèi)容的效率。圖片給我們帶來了快捷的信息記錄和分享方式，卻降低了我們的信息檢索效率。在這個環(huán)境下，借助計算機(jī)實(shí)現(xiàn)圖像主體的識別技術(shù)就顯得尤為重要。計算機(jī)視覺應(yīng)用----物體識別物體識別，指利用計算機(jī)對圖像進(jìn)行處理、分析和理解，以識別圖像中各種不同模式的目標(biāo)和對象的技術(shù)。通俗地講，物體識別是讓計算機(jī)像人一樣讀懂圖片的內(nèi)容，識別出圖像中有什么物體，并報告出這個物體在圖像中的位置和方向。02思維導(dǎo)圖思維導(dǎo)圖03課程思政物體識別技術(shù)應(yīng)用在互聯(lián)網(wǎng)的海量圖片、視頻資料中，不少涉政敏感信息、暴力、低俗等內(nèi)容的圖片充斥其中，這些圖片嚴(yán)重影響著國家安全和網(wǎng)絡(luò)文明。在物體識別還未發(fā)展成熟以前，需要人工隨機(jī)抽取圖片對圖片內(nèi)容進(jìn)行審核。借助人工智能、深度學(xué)習(xí)和大數(shù)據(jù)樣本等技術(shù)，這一問題得到了很好地解決。當(dāng)然，智能圖片鑒別模型并不能完全取代人工鑒別，相比人工審核，機(jī)器還很難理解內(nèi)容背后的深意。最佳的審核方式是智能為主，人工為輔。先由智能圖片鑒別模型將可疑的圖片篩選出來，再由人工審核一遍，這樣既能保證效率又能保證準(zhǔn)確率。物體識別技術(shù)應(yīng)用網(wǎng)絡(luò)上的內(nèi)容并不都是文明和健康的，我們應(yīng)該要懂得文明上網(wǎng)，取其精華，去其糟粕。對于個人而言，不得在網(wǎng)上發(fā)布和傳播虛假信息、低俗或暴力信息；不得在網(wǎng)上通過發(fā)帖、評論等方式攻擊、謾罵他人；不得在網(wǎng)上從事其他違背公序良俗、損害他人合法權(quán)益的活動；不去瀏覽一些負(fù)面新聞，更不應(yīng)該去瀏覽一些低俗、暴力的網(wǎng)站，讓自己自覺抵制不良內(nèi)容；不參與網(wǎng)絡(luò)敏感話題，對于一些敏感的或者反動的話題，要及時制止，不參與，不散播。04項(xiàng)目相關(guān)知識物體識別人類和計算機(jī)是如何識別這張圖片的呢？物體識別的任務(wù)劃分

a)分類b)分類+定位c)多目標(biāo)檢測物體識別任務(wù)劃分分類的相關(guān)技術(shù)圖像分類的流程包括訓(xùn)練階段和測試階段名詞解釋：訓(xùn)練集、測試集、獨(dú)熱編碼、置信率4種類別的訓(xùn)練圖片圖像的原始特征表示形式萊娜灰度圖圖像的原始特征表示形式（a）彩色萊娜圖（b）紅色分量（c）綠色分量（d）藍(lán)色分量彩色萊娜圖及其紅色、綠色、藍(lán)色分量圖像的預(yù)處理平移：把我們感興趣的、圖中的對象移到圖像的中間位置，便于盡可能準(zhǔn)確地、定量地分析圖像的特征縮放：一個數(shù)組越大，計算機(jī)處理該數(shù)組時消耗的內(nèi)存越大、花費(fèi)的時間越長，因而可以根據(jù)需要對圖像大小進(jìn)行調(diào)整填充：為了使待處理圖片符合分類模型對圖像像素尺寸的要求，用特定的像素值對圖片的長或?qū)挼南袼財?shù)量進(jìn)行補(bǔ)充傳統(tǒng)分類算法特征提?。海?）顏色直方圖、局部二值模式、方向梯度直方圖特征、尺度不變特征變換、Gabor特征、區(qū)域協(xié)方差描述符（2）主成分分析（PrincipalComponentAnalysis，PCA）、線性判別分析（lineardiscriminantanalysis，LDA）、流形學(xué)習(xí)（manifoldlearning）和稀疏編碼（SparseCoding，SC）分類器：K近鄰(K-NearestNeighbor，KNN)、支持向量機(jī)（SupportVectorMachine，SVM）、決策樹、樸素貝葉斯、邏輯回歸等傳統(tǒng)分類算法KNN分類器原理示意圖深度學(xué)習(xí)算法深度學(xué)習(xí)算法的特點(diǎn)優(yōu)勢：在訓(xùn)練集數(shù)量充足的情況下準(zhǔn)確率高局限性：（1）大數(shù)據(jù)集花費(fèi)昂貴且耗時，并不容易獲得（2）訓(xùn)練階段對硬件要求高目標(biāo)檢測相關(guān)技術(shù)滑動窗口檢測示意圖目標(biāo)檢測相關(guān)技術(shù)預(yù)測框的交并比說明非極大值抑制（Non-MaximumSuppression，NMS）：當(dāng)邊框預(yù)測環(huán)節(jié)生成了大量建議邊框后，接著要為每個矩形框做類別分類概率，最后需要判別哪些矩形框是沒用的。所謂的非極大值抑制就是根據(jù)分類器類別分類概率做排序，從小到大排序，先拿最大概率候選框與其他框計算重疊度IOU，丟棄高于閾值的建議框。然后從沒有被丟棄的建議框中再找最大概率建議框，重復(fù)上述操作，直到找到所有被保留下來的建議框?；胺ǜ倪M(jìn)YOLO算法示意圖1.兩步檢測算法：R-CNN2.一步檢測算法：YOLO物體識別的局限性1.多視角和尺度：同一個物體的圖像，它的角度和尺度是多變的，獲取到的這個物體的圖片也是多樣的；2.遮擋：目標(biāo)物體可能被擋住，圖片中只有目標(biāo)物體的一小部分；3.光照條件：在像素層面上，光照對圖片的影響非常大；4.類內(nèi)差異：同一類別的個體之間有許多不同的對象，每個個體都有自己的外形。物體識別的優(yōu)勢1.在大數(shù)據(jù)時代，人類獲取的圖片資料越來越多，人們需要借助計算機(jī)去承擔(dān)這些復(fù)雜沉重的工作，否則這些工作將由人類負(fù)擔(dān)。2.在一些極端環(huán)境下，比如水下、嚴(yán)寒或酷暑的環(huán)境下的物體識別，如果工作由人工智能來完成，人類面臨的危險、傷害和壓力將有所減輕。3.人類判斷物體類別的準(zhǔn)確率總體上會比機(jī)器的識別率高，但在一些要求精密度的識別，比如缺陷識別、醫(yī)學(xué)圖片等識別，人類的優(yōu)勢可能會相應(yīng)降低。在這類場合，通過機(jī)器替代人來實(shí)現(xiàn)物體識別，能夠減少錯誤和缺陷。物體識別的應(yīng)用1.光學(xué)字符識別2.圖片識別分析3.工業(yè)瑕疵檢測4.視頻監(jiān)控分析5.醫(yī)療影像診斷04項(xiàng)目任務(wù)任務(wù)1：數(shù)字識別1、任務(wù)描述手寫數(shù)字識別是常見的圖像識別任務(wù)。不同人的手寫體風(fēng)格迥異，大小不一，造成了計算機(jī)對手寫數(shù)字識別任務(wù)的一些困難。任務(wù)1實(shí)踐的主要目的是了解數(shù)字識別的基本原理與過程。首先通過查看數(shù)字圖像的像素表達(dá)，了解圖像到數(shù)字的轉(zhuǎn)化過程，再通過手寫數(shù)字的識別了解手寫體識別的功能。2、任務(wù)實(shí)現(xiàn)2、任務(wù)實(shí)現(xiàn)2、任務(wù)實(shí)現(xiàn)任務(wù)2：目標(biāo)檢測1、任務(wù)描述目標(biāo)檢測是一個典型的計算機(jī)視覺任務(wù)，主要是完成圖像中的物體的識別。與圖像分類不同的是，圖像分類是預(yù)測圖像屬于哪一種類別，而目標(biāo)檢測則是對圖像中的一個或多個對象進(jìn)行定位和分類。如果是視頻，則通過不斷的讀取視頻中的每一幀作為一幅幅圖像來進(jìn)行檢測。任務(wù)2實(shí)踐的主要目的是了解目標(biāo)檢測的基本原理與過程，通過上傳圖片來驗(yàn)證和實(shí)踐目標(biāo)檢測中的圖像預(yù)處理、目標(biāo)定位與分類的各個步驟。2、任務(wù)實(shí)現(xiàn)2、任務(wù)實(shí)現(xiàn)2、任務(wù)實(shí)現(xiàn)04項(xiàng)目小結(jié)與展望項(xiàng)目小結(jié)人類感覺信息中的80%都是視覺信息，圖像是人類獲取和交換信息的主要來源。機(jī)器視覺之于人工智能的意義就是視覺之于人類的意義，而決定著機(jī)器視覺技術(shù)之一就是物體識別技術(shù)。隨著計算機(jī)技術(shù)的不斷發(fā)展，圖像識別技術(shù)也在不斷地優(yōu)化，其算法也在不斷地改進(jìn)。在某些應(yīng)用場景，機(jī)器視覺比人類的生理視覺更具優(yōu)勢，它更加準(zhǔn)確、客觀和穩(wěn)定。利用計算機(jī)代替人類實(shí)現(xiàn)物體識別，能夠盡量縮短時間并減少資源。項(xiàng)目展望人們一直致力于開發(fā)各種智能工具輔助人們的生產(chǎn)生活，比如機(jī)器人的研制，但是要想使得機(jī)器人可以像人一樣運(yùn)動，輔助人們的工作生活，那么前提是機(jī)器人必須具備類似于人的視覺系統(tǒng)，能夠識別物體以及場景，真正的智能工具應(yīng)該要具備“視覺”。目前的圖像識別技術(shù)是作為一個工具來幫助我們與外部世界進(jìn)行交互，為我們自身的視覺提供強(qiáng)有力的輔助和增強(qiáng)，所有的行動還需我們自己完成。而當(dāng)機(jī)器真正具有了視覺之后，它們完全有可能代替我們?nèi)ネ瓿蛇@些行動。總體而言，目前的物體識別還存在著很多困難，但是隨著人類對自己視覺的逐步了解，一個通用的物體識別技術(shù)終會被研究成功。未來的圖像識別技術(shù)將會同其他人工智能技術(shù)融合在一起，更加智能地出現(xiàn)在我們的生活中，為人類社會的更多領(lǐng)域帶來重大的應(yīng)用。感謝您的觀看人工智能導(dǎo)論項(xiàng)目五人臉識別--計算機(jī)視覺的應(yīng)用01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識05項(xiàng)目任務(wù)目錄CONTENTS06項(xiàng)目小結(jié)與展望01項(xiàng)目背景人臉識別---計算機(jī)視覺技術(shù)介紹“眼睛是心靈的窗戶”，通過眼睛，我們可以觀察周圍的任何事物，可以看到很多風(fēng)景，可以捕捉許多對我們有用的信息。同樣，計算機(jī)視覺也是一雙“眼睛”，通過它，計算機(jī)可以感知環(huán)境、獲取信息。我們可以將計算機(jī)視覺理解為計算機(jī)的“眼睛”，但是計算機(jī)的“眼睛”只是對生物視覺的一種模擬而已。人臉識別----計算機(jī)視覺應(yīng)用計算機(jī)視覺技術(shù)的廣泛應(yīng)用，信息時代促進(jìn)了計算機(jī)的進(jìn)一步發(fā)展，而計算機(jī)與各大領(lǐng)域的結(jié)合，使得人們對計算機(jī)越來越依賴。人工智能人臉方面的應(yīng)用，包括人臉識別、人臉檢測、人臉匹配、人臉對齊等等，這應(yīng)該是計算機(jī)視覺方面最熱門也是發(fā)展最成熟的應(yīng)用，而且已經(jīng)比較廣泛的應(yīng)用在各種安全、身份認(rèn)證等，比如人臉支付、人臉解鎖。計算機(jī)視覺是一個跨學(xué)科的領(lǐng)域，涉及的部分學(xué)科如圖5-1所示。

計算機(jī)視覺計算機(jī)科學(xué)信號處理應(yīng)用數(shù)學(xué)統(tǒng)計學(xué)神經(jīng)生理學(xué)圖5-1計算機(jī)視覺涉及的部分學(xué)科02思維導(dǎo)圖項(xiàng)目五---思維導(dǎo)圖03思政聚焦人臉識別技術(shù)應(yīng)用人臉識別系統(tǒng)在很多領(lǐng)域都發(fā)揮了很多的作用，越來越多的現(xiàn)實(shí)場景開始采用人臉識別門禁系統(tǒng)來確保進(jìn)出人員的安全，國內(nèi)大部分的辦公場所應(yīng)用非常廣泛，甚至在國內(nèi)一些小區(qū)，開始鼓勵小區(qū)應(yīng)用人臉識別系統(tǒng)來進(jìn)行身份識別，所以相信未來，隨處都可以看到人工智能管理應(yīng)用如圖5-3所示如圖5-3所示人臉識別技術(shù)應(yīng)用啟用人臉識別測溫系統(tǒng)，兼具人臉識別門禁考勤和測溫檢測兩大功能，不僅快速準(zhǔn)確識別人員身份，還能檢測播報人體溫度，自動記錄提交進(jìn)出記錄、測溫數(shù)據(jù)，報表形式輸出方便查看和監(jiān)控，發(fā)信異常情況也能追溯分析如圖5-4所示。如圖5-4所示04項(xiàng)目知識準(zhǔn)備人臉識別過程圖5-5人臉識別過程人臉采集人臉檢測預(yù)處理特征提取特征比對識別決策基于幾何特征的人臉識別010203040506人臉識別常用方法基于神經(jīng)網(wǎng)絡(luò)的人臉識別基于特征臉(PCA)的人臉識別方法彈性圖匹配的人臉識別方法線段Hausdorff距離(LHD)的人臉識別方法支持向量機(jī)(SVM)的人臉識別方法07多光源人臉識別技術(shù)人臉特征提取方法基于人臉特征點(diǎn)的識別算法通過對特征點(diǎn)進(jìn)行局部特征紋理征提取，然后結(jié)合各部分的相對位置關(guān)系得到要優(yōu)化的目標(biāo)函數(shù)并構(gòu)造迭代的方法，在給定的人臉圖片上首先定位到眼睛等部位的位置，然后提取各特征點(diǎn)之間的分布形狀特征和特征點(diǎn)自身具有的紋理、輪廓等特征，計算不同人臉的特征的“距離”從而對人臉進(jìn)行識別。基于整幅人臉圖像的識別算法通過信息理論中對人臉圖像進(jìn)行分析，尋找對信息最高效的編碼，具體化來說，將圖像作為一個高維的數(shù)據(jù)輸入，通過子空間的劃分（子空間劃分可以借助傅立葉變換來理解，用一組基底的線性組合表示當(dāng)前的信號，達(dá)到既降維又好分類的目的）得到對人臉圖像最有效的表達(dá)，并由此來對人臉進(jìn)行識別，也稱子空間方法或特征臉方法。04項(xiàng)目任務(wù)任務(wù)1：人臉檢測1、任務(wù)描述人臉檢測是將上傳的人臉圖像，采用上文講述的人臉預(yù)處理方法將人臉圖片轉(zhuǎn)化為灰度圖，進(jìn)行搜索以確定其中是否含有人臉，如果是有人臉則返回臉的位置、大小和姿態(tài)。任務(wù)1：人臉檢測2、技術(shù)分析人臉檢測處理流程如下圖所示：獲取人臉圖像圖像轉(zhuǎn)為灰度圖獲取人臉框xy坐標(biāo)獲取眼鏡框xy坐標(biāo)任務(wù)2：人臉驗(yàn)證1、任務(wù)描述人臉驗(yàn)證是將上傳的兩張人臉圖像，首先是運(yùn)用任務(wù)1中的人臉檢測法得到圖片中人臉位置的xy坐標(biāo)人臉框之后，對人臉框內(nèi)的人臉進(jìn)行人臉關(guān)鍵點(diǎn)定位，得到面部關(guān)鍵點(diǎn)所在的x,y坐標(biāo)，得到面部關(guān)鍵點(diǎn)之后可運(yùn)用坐標(biāo)軸變換得到扭正后的人臉，接下來通過運(yùn)用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)將輸入的人臉圖像轉(zhuǎn)換成一個特征向量表示并進(jìn)行比較，得到相似度值后判斷兩張人臉圖像是否同一個人。任務(wù)2：人臉驗(yàn)證2、技術(shù)分析人臉驗(yàn)證處理流程如下圖所示：任務(wù)3：AI人臉融合技術(shù)1、任務(wù)描述AI人臉融合技術(shù)是將上傳的兩張人臉圖像，獲得人臉的關(guān)鍵坐標(biāo)，后臺運(yùn)用算法計算合成人臉關(guān)鍵點(diǎn)坐標(biāo)，再通過三角剖分對兩張人臉進(jìn)行融合處理，生成的新人臉同時具備兩張人臉的外貌特征。任務(wù)2：人臉驗(yàn)證2、技術(shù)分析本任務(wù)為指定人臉融合，首先檢測到兩張人臉圖片，獲取到人臉的關(guān)鍵點(diǎn)坐標(biāo)，后臺運(yùn)用算法計算出合成的人臉關(guān)鍵點(diǎn)坐標(biāo)，再通過三角剖分算法將人臉劃分多個三角形，然后返回三角剖分結(jié)果，并描點(diǎn)連線繪制出來最終得到兩張人臉融合圖，生成最終的兩張人臉圖像的合成圖像。AI人臉融合處理流程如下圖所示：獲取兩張人臉圖像獲取人臉的關(guān)鍵點(diǎn)合成人臉關(guān)鍵點(diǎn)人臉三角剖分人臉合成04項(xiàng)目小結(jié)與展望項(xiàng)目小結(jié)在本章中，我們了解了人臉識別的關(guān)鍵技術(shù)與原理。如果要從一張圖片或一段視頻中做人臉識別，首先要在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。對截圖的人臉圖像進(jìn)行預(yù)處理之后，再根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)，計算特征值。將提取的人物圖像的特征值與數(shù)據(jù)庫中存儲的特征值進(jìn)行匹配，如果相似度超過預(yù)設(shè)的閾值，則把匹配得到的結(jié)果輸出。人臉識別就是將待識別的人臉特征與已得到的人臉特征進(jìn)行比較，根據(jù)相似度對人臉的身份信息進(jìn)行判斷。項(xiàng)目展望隨著人臉識別技術(shù)的逐步成熟，靠“臉”生存將不再是幻想。伴隨著人臉識別等人工智能技術(shù)的發(fā)展，今后，從個人生活、教育、商業(yè)服務(wù)到城市管理都將全面邁入智能化時代。特別是高校在課堂上引入人臉識別技術(shù)、對學(xué)生面部表情進(jìn)行識別，記錄學(xué)生的學(xué)習(xí)狀態(tài)，能更好的了解學(xué)生的學(xué)習(xí)情況，從而及時調(diào)整教學(xué)節(jié)奏。感謝您的觀看人工智能導(dǎo)論項(xiàng)目六生物信息識別01項(xiàng)目背景02思維導(dǎo)圖03思政聚焦04項(xiàng)目相關(guān)知識05項(xiàng)目任務(wù)目錄CONTENTS06項(xiàng)目小結(jié)與展望01項(xiàng)目背景生物醫(yī)學(xué)信號概述生物醫(yī)學(xué)信號是人體生命信息的集中體現(xiàn)!是窺視生命現(xiàn)象的一個窗口。因此，深入進(jìn)行生物醫(yī)學(xué)信號檢測與處理理論與方法的研究對于認(rèn)識生命運(yùn)動的規(guī)律，探索疾病預(yù)防與治療的新方法以及發(fā)展醫(yī)療儀器這一高新技術(shù)產(chǎn)業(yè)都具有極其重要的意義。02思維導(dǎo)圖項(xiàng)目五思維導(dǎo)圖03課程思政近年來，我國發(fā)布了多條全國性政策和醫(yī)療人工智能專項(xiàng)政策，人工智能醫(yī)療上升為國家戰(zhàn)略。我國醫(yī)療需求不斷提升的同時，醫(yī)療資源分配不均，醫(yī)護(hù)人員短缺等問題仍然十分嚴(yán)峻，而人工智能剛好彌補(bǔ)了這一短缺，加之人工智能醫(yī)療的政策規(guī)劃不斷落地，更加速我國人工智能醫(yī)療的發(fā)展?，F(xiàn)階段，人工智能+醫(yī)療主要有八大應(yīng)用場景，分別是虛擬助理、醫(yī)學(xué)影像、輔助診療、疾病風(fēng)險預(yù)測、藥物挖掘、健康管理、醫(yī)院管理和輔助醫(yī)學(xué)研究平臺。我國居民心理行為問題和精神障礙的人群逐漸增加，民眾心理健康問題日益凸顯，國家對于心理健康和精神衛(wèi)生的問題也越來越重視,各種相關(guān)政策陸續(xù)出臺。精神疾病不僅降低個人的生活質(zhì)量，還會導(dǎo)致醫(yī)療支出增加。人工智能的進(jìn)步正把心理治療帶給更多需要它的人。04項(xiàng)目知識準(zhǔn)備常見的生理信號人體給出的信號非常豐富，每一種信號都攜帶著對應(yīng)一個或幾個器官的生理或病理的信息。這些信號可大致分為電生理信號、非電生理信號、人體生理特征信號、生化信號和生物信息。電生理信號

其中，重要的是心電信號(ECG)、腦電信號(EEG)和肌電信號(EMG)。其次是胃電信號、眼視網(wǎng)膜信號和眼電信號。這些電信號源自于人體內(nèi)細(xì)胞膜內(nèi)外的電位差。億萬細(xì)胞的電活動通過人體組織傳到體表，并疊加在人體不同部位形成了相應(yīng)的電生理信號。只要人的生命特征存在，這些電生理信號總存在。電生理信號

心電信號心電信號是反映人體心臟情況的信號。心電信號的應(yīng)用已經(jīng)走進(jìn)了我們的日常生活。除了醫(yī)院使用的專業(yè)儀器，市場上也有很多穿戴式設(shè)備可以用于日常的ECG信號檢測，如AppleWatch,華為手表,和Fitbit等。圖6-1展示了AppleWatch.圖6-1AppleWatch電生理信號

腦電信號腦電圖(EEG)是腦神經(jīng)細(xì)胞電生理活動在大腦皮層或頭皮表面的總體反映。腦電信號中包含了大量的生理與疾病信息,在臨床醫(yī)學(xué)方面,腦電信號處理不僅可為某些腦疾病提供診斷依據(jù),而且還為某些腦疾病提供了有效的治療手段。在工程應(yīng)用方面,人們也嘗試?yán)媚X電信號實(shí)現(xiàn)腦-計算機(jī)接口(BCI)。圖6-2EEG腦電信號腦電（Electroencephalogram，EEG）是一種使用電生理指標(biāo)記錄大腦活動的方法，大腦在活動時，大量神經(jīng)元同步發(fā)生的突觸后電位經(jīng)總和后形成的。它記錄大腦活動時的電波變化，是腦神經(jīng)細(xì)胞的電生理活動在大腦皮層或頭皮表面的總體反映。腦電信號的電壓很小，需要高精度的儀器才能探測到。常用于腦電分析的頻域特征有α、β、δ、θ和γ等。腦電信號α頻率于8-13Hz之間，大多發(fā)生在成人時期中，是節(jié)律性腦電波中最明顯的波，通常出現(xiàn)在頭的后部，在頭兩側(cè)都會有，主導(dǎo)側(cè)的振幅會比較高。當(dāng)清醒的人處于放松或者閉眼狀態(tài)時，可以在枕葉區(qū)探測的EEG中檢測到alpha波。α代表放松的狀態(tài)，是學(xué)習(xí)與思考的最佳腦波狀態(tài)。腦電信號β波頻率于13-30Hz之間，通常振幅小于30uV，會出現(xiàn)于所有年齡層的警戒狀態(tài)以及被個人期望所引發(fā)的焦慮情緒中。β波涉及有意識的思想，邏輯思維，適量的β波幫助我們集中精力完成任務(wù)，有利于學(xué)習(xí)等認(rèn)知行為，但是當(dāng)β波過多的時候身體處于緊張的狀態(tài)，容易引發(fā)焦慮和壓力。腦電信號γ波頻率位于30-70Hz之間，與情緒穩(wěn)定、正面思考有關(guān)。近年研究發(fā)現(xiàn)，此波和選擇性注意力有關(guān)。當(dāng)此波形出現(xiàn)大幅波動時，表示受試者喜歡被測試的對象。出現(xiàn)該頻段時人通常處于十分激動、亢奮的狀態(tài)，或是受到了強(qiáng)烈的刺激。腦電信號δ波頻率范圍0-4Hz，與最深層次的放松和恢復(fù)，愈合、睡眠有關(guān)。有助于我們在睡眠良好后徹底恢復(fù)活力。太多的δ波與腦損傷、學(xué)習(xí)問題有關(guān)，太少則可能無法興奮大腦。腦電信號θ波頻率位于4-8Hz之間，有助于幫助改善我們的直覺，創(chuàng)造力，大多出現(xiàn)于幼童時期或是成人半睡半醒的狀態(tài)以及意識靜止的冥想放松狀態(tài)之間。太多的θ波與多動癥、注意力不集中有關(guān)，太少則與焦慮、壓力大有關(guān)。最佳狀態(tài)時有助于發(fā)揮創(chuàng)意和放松。這些意識的組合，形成了一個人的內(nèi)外在的行為、情緒及學(xué)習(xí)上的表現(xiàn)。電生理信號

肌電信號肌電信號（EMG）是眾多肌纖維中運(yùn)動單元動作電位（MUAP）在時間和空間上的疊加。表面肌電信號（SEMG）是淺層肌肉EMG和神經(jīng)干上電活動在皮膚表面的綜合效應(yīng)，能在一定程度上反映神經(jīng)肌肉的活動。SEMG在臨床醫(yī)學(xué)、人機(jī)功效學(xué)、康復(fù)醫(yī)學(xué)以及體育科學(xué)等方面均有重要的實(shí)用價值。圖6-3肌電信號示意圖情緒識別情感是人類在適應(yīng)社會環(huán)境的過程中所逐漸形成的一種機(jī)制。情緒本身具有非常高的復(fù)雜性和抽象性，通常將情緒分為離散型模型和連續(xù)型模型兩種。離散型情緒包括生氣、討厭、害怕、高興、悲傷和驚訝等6種基本情緒類別，連續(xù)型情緒模型可以從維度觀的角度進(jìn)行理解，情緒的維度空間模型又可以分為二維、三維等不同類型。二維連續(xù)型模型如圖6-3所示。圖6-4情緒的連續(xù)型二維空間表示，情緒識別腦電信號可以用于情緒的識別。在基于腦電信號的情緒識別任務(wù)中，需要對腦電信號進(jìn)行預(yù)處理以提高信號的質(zhì)量，預(yù)處理一般包括降采樣、濾波、去除偽跡以及特征提取等環(huán)節(jié)。對情緒的識別主要包含以下步驟：（1）誘導(dǎo)情緒（2）數(shù)據(jù)預(yù)處理（3）特征提取和特征選擇（4）訓(xùn)練模型情緒識別如果采用離散情緒模型，那么情緒識別任務(wù)將是一個分類任務(wù)。對于分類任務(wù)，有許多的分類模型可以選擇。傳統(tǒng)的有監(jiān)督和無監(jiān)督等機(jī)器學(xué)習(xí)模型包括KNN、SVM、NaiveBayes、決策樹、GBDT、K-means等模型。本任務(wù)中，我們選擇支持向量機(jī)（supportvectormachines，SVM）作為分類器。支持向量機(jī)是一種二分