模塊一

人工智能概述單元一

人工智能學(xué)習(xí)目標(biāo)了解人工智能的定義、起源和發(fā)展；了解人工智能的應(yīng)用技術(shù)及場景；掌握人工智能產(chǎn)業(yè)鏈的主流框架體系。具備探究學(xué)習(xí)、終身學(xué)習(xí)、分析問題和解決問題的能力；具備人工智能基礎(chǔ)知識應(yīng)用能力。知識目標(biāo)能力目標(biāo)素養(yǎng)目標(biāo)增強(qiáng)學(xué)生的愛國情感和中華民族自豪感；培養(yǎng)學(xué)生勇于奮斗、樂觀向上的精神；提升學(xué)生的職業(yè)生涯規(guī)劃意識、自我管理的能力、較強(qiáng)的集體意識和團(tuán)隊合作精神。在1956年的達(dá)特茅斯會議上，約翰·麥卡錫等人第一次提出“人工智能”概念，它標(biāo)志著人工智能學(xué)科的誕生。一、人工智能簡介約翰·麥卡錫(被稱為“人工智能之父”)1.人工智能的定義

什么是人工智能呢？人工智能（artificialintelligence,AI），從字面上進(jìn)行解釋，主要有“人工”和“智能”兩個部分。人工智能簡介一、“人工”是指人造的、人為的，與自然界中本身存在的天然事物相對應(yīng)。“智能”是智力和能力的總稱，它涉及意識、自我、思維（包括無意識的思維）等問題。人工智能是指能夠讓機(jī)器或系統(tǒng)像人一樣擁有智力和能力，可以代替人類實現(xiàn)識別、認(rèn)知、分析和決策等多種功能的技術(shù)。1.人工智能的定義人工智能是自然科學(xué)和社會科學(xué)的交叉學(xué)科，汲取了自然科學(xué)和社會科學(xué)的最新成就，以智能為核心，形成了具有自身研究特點的新體系。人工智能已經(jīng)發(fā)展成為一門由計算機(jī)科學(xué)、控制論、信息論、語言學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)和哲學(xué)等多學(xué)科相互融合的綜合性新學(xué)科。人工智能的研究涉及廣泛的領(lǐng)域，如各種知識表示模式、不同的智能搜索技術(shù)、求解數(shù)據(jù)和知識不確定性問題的各種方法、機(jī)器學(xué)習(xí)的不同模式等。智能人工智能自然科學(xué)社會科學(xué)一、人工智能簡介2.人工智能的研究范疇

在1950年，被稱為“計算機(jī)之父”的阿蘭·圖靈提出了一個舉世矚目的想法——圖靈測試。

按照圖靈的設(shè)想：如果一臺機(jī)器能夠與人類開展對話而不能被辨別出機(jī)器身份，那么這臺機(jī)器就具有智能。二、人工智能的起源與發(fā)展1.圖靈測試

1956年8月，在美國漢諾斯小鎮(zhèn)寧靜的達(dá)特茅斯學(xué)院，約翰·麥卡錫、馬文·閔斯基、克勞德·香農(nóng)、艾倫·紐厄爾、赫伯特·西蒙等科學(xué)家正聚在一起，討論著一個完全不食人間煙火的主題：用機(jī)器來模仿人類學(xué)習(xí)以及其他方面的智能。

會議足足開了兩個月的時間，為會議討論的內(nèi)容起了一個名字：“人工智能”，因此，1956年也就成為了人工智能元年。二、人工智能的起源與發(fā)展2.達(dá)特茅斯會議

人工智能的探索道路曲折起伏，一般將人工智能的發(fā)展歷程劃分為以下6個階段，如圖所示。二、人工智能的起源與發(fā)展3.人工智能的發(fā)展歷程人工智能技術(shù)目前已經(jīng)應(yīng)用建筑物的設(shè)計、施工、運維過程及智能家居。比如能對建筑物的能耗進(jìn)行監(jiān)控，借助“傳感器+動態(tài)監(jiān)控系統(tǒng)”實時監(jiān)控建筑物外部和內(nèi)部的溫度、濕度、風(fēng)速、光照等能量變化，自動實現(xiàn)建筑物空調(diào)和照明系統(tǒng)的控制三、人工智能的主要應(yīng)用1.智慧建筑領(lǐng)域三、人工智能的主要應(yīng)用1.智慧建筑領(lǐng)域智能家居產(chǎn)品三、人工智能的主要應(yīng)用1.智慧建筑領(lǐng)域隨著智能制造熱潮的到來，人工智能應(yīng)用已經(jīng)貫穿于設(shè)計、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個環(huán)節(jié)。三、人工智能的主要應(yīng)用2.智能制造領(lǐng)域人工智能技術(shù)在智慧交通領(lǐng)域中的應(yīng)用主要有無人駕駛汽車領(lǐng)域的應(yīng)用，通過智能路線設(shè)計、計算機(jī)視覺、網(wǎng)絡(luò)定位等相關(guān)技術(shù)實現(xiàn)汽車的自動駕駛。三、人工智能的主要應(yīng)用3.智慧交通領(lǐng)域智能交通機(jī)器人領(lǐng)域的應(yīng)用，在道路口處設(shè)置指揮交通的智能機(jī)器人，通過人工智能技術(shù)實時監(jiān)控交通道路，獲取路況交通信息，并根據(jù)指定的計算模式、輔助指示傳輸有關(guān)信息，完成道路交通的指揮工作。三、人工智能的主要應(yīng)用3.智慧交通領(lǐng)域智能交通監(jiān)控領(lǐng)域的應(yīng)用，利用圖像監(jiān)控、辨別技術(shù)等形式，剖析全部的道路交通狀況，保證交警部門能夠及時掌握道路的車流量、擁堵、紅綠燈等狀況，通過智能化調(diào)整交通信號燈的時長，或利用相應(yīng)模式合理、有效地疏通交通，實現(xiàn)交通管理并調(diào)整智能化的標(biāo)準(zhǔn)，降低交通堵塞現(xiàn)象。三、人工智能的主要應(yīng)用3.智慧交通領(lǐng)域智能出行決策領(lǐng)域的應(yīng)用，智能化導(dǎo)航地圖為人們的出行提供實時、精準(zhǔn)的指引導(dǎo)航方案，提供更優(yōu)質(zhì)、更便利的人性化體驗，從而降低出行的交通壓力。三、人工智能的主要應(yīng)用3.智慧交通領(lǐng)域人工智能目前在金融投資與服務(wù)領(lǐng)域的應(yīng)用較多。在金融投資領(lǐng)域，人工智能有智能投顧、反欺詐、異常分析、股市預(yù)測等方向的應(yīng)用。三、人工智能的主要應(yīng)用4.金融投資、金融服務(wù)與風(fēng)控領(lǐng)域在金融服務(wù)領(lǐng)域，人工智能有人臉識別、指紋識別和智能客服等方向的應(yīng)用。三、人工智能的主要應(yīng)用4.金融投資、金融服務(wù)與風(fēng)控領(lǐng)域人工智能在風(fēng)控上的應(yīng)用主要是數(shù)據(jù)搜集和處理、風(fēng)險控制和預(yù)測、信用評級和風(fēng)險定價以及實現(xiàn)金融監(jiān)管的實時監(jiān)控。三、人工智能的主要應(yīng)用4.金融投資、金融服務(wù)與風(fēng)控領(lǐng)域人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用主要有智能診療。三、人工智能的主要應(yīng)用5.醫(yī)療領(lǐng)域醫(yī)療機(jī)器人，利用外科手術(shù)機(jī)器人、護(hù)理機(jī)器人和服務(wù)機(jī)器人等協(xié)助醫(yī)生進(jìn)行手術(shù)或者其他工作。三、人工智能的主要應(yīng)用5.醫(yī)療領(lǐng)域藥物智能研發(fā)，通過計算機(jī)模擬，人工智能可以對藥物活性、安全性和副作用進(jìn)行預(yù)測，找出與疾病匹配的最佳藥物。三、人工智能的主要應(yīng)用5.醫(yī)療領(lǐng)域智能健康管理，利用智能設(shè)備對人體進(jìn)行實時監(jiān)測，從而對身體素質(zhì)進(jìn)行評估，并提供個性化的健康管理方案。三、人工智能的主要應(yīng)用5.醫(yī)療領(lǐng)域智能早教機(jī)器人已經(jīng)取代傳統(tǒng)的電子教育產(chǎn)品成為未來家庭幼兒教育產(chǎn)品的主流，它不僅能夠陪伴孩子，還能引導(dǎo)孩子學(xué)習(xí)。三、人工智能的主要應(yīng)用6.教育領(lǐng)域個性化學(xué)習(xí)，通過收集和分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，用人工智能勾勒出每個學(xué)生的學(xué)習(xí)方式和特點，然后自動調(diào)整教學(xué)內(nèi)容、方式和節(jié)奏，使每個孩子都能得到最適合自己的教育，提供個性化學(xué)習(xí)方案。三、人工智能的主要應(yīng)用6.教育領(lǐng)域拍照搜題、智能作業(yè)批改

三、人工智能的主要應(yīng)用6.教育領(lǐng)域物流行業(yè)通過利用智能搜索、推理規(guī)劃、計算機(jī)視覺以及智能機(jī)器人等技術(shù)在運輸、倉儲、配送裝卸等流程上已經(jīng)進(jìn)行了自動化改造，能夠基本實現(xiàn)無人操作。

三、人工智能的主要應(yīng)用7.物流管理領(lǐng)域人工智能產(chǎn)業(yè)鏈包括三層：基礎(chǔ)層、技術(shù)層和應(yīng)用層。

四、人工智能產(chǎn)業(yè)鏈基礎(chǔ)層計算硬件計算系統(tǒng)技術(shù)數(shù)據(jù)AI芯片大數(shù)據(jù)云計算5G通信數(shù)據(jù)采集/標(biāo)注/分析基礎(chǔ)層是人工智能產(chǎn)業(yè)的基礎(chǔ)，主要是研發(fā)硬件及軟件，如AI芯片、數(shù)據(jù)資源、云計算平臺等，為人工智能提供數(shù)據(jù)及算力支撐。主要包括計算硬件（AI芯片）、計算系統(tǒng)技術(shù)（大數(shù)據(jù)、云計算和5G通信）和數(shù)據(jù)（數(shù)據(jù)采集、標(biāo)注和分析）。

三、人工智能產(chǎn)業(yè)鏈1.基礎(chǔ)層AI芯片是人工智能產(chǎn)業(yè)的核心硬件。人工智能芯片的定義從廣義上講只要能夠運行人工智能算法的芯片都叫作人工智能芯片，但是通常意義上的人工智能芯片指的是針對人工智能算法做了特殊加速設(shè)計的芯片。

三、人工智能產(chǎn)業(yè)鏈（1）計算硬件-AI芯片技術(shù)架構(gòu)分類GPU(圖像處理單元)半定制化FPGA全定制化ASIC神經(jīng)擬態(tài)芯片按功能分類訓(xùn)練環(huán)節(jié)推理環(huán)節(jié)應(yīng)用場景分類服務(wù)器端（云端）移動端（終端）人工智能與大數(shù)據(jù)、云計算和5G關(guān)系緊密，由于巨大數(shù)據(jù)的產(chǎn)生，使得人們關(guān)注用數(shù)據(jù)做一些過去只有人能夠做的事情。配合云計算帶來的計算資源和計算能力，人工智能依托數(shù)據(jù)基礎(chǔ)，對周邊環(huán)境做出一定的程序反應(yīng)，實現(xiàn)人工智能的落地。其中，5G網(wǎng)絡(luò)的主要作用是讓終端用戶始終處于聯(lián)網(wǎng)狀態(tài)，讓信息通過5G在線快速傳播和交互。

三、人工智能產(chǎn)業(yè)鏈（2）計算系統(tǒng)技術(shù)-大數(shù)據(jù)、云計算和5G通信越來越多的智能產(chǎn)品、APP、硬件在進(jìn)行產(chǎn)品迭代和升級測試過程中，需要采集大量的數(shù)據(jù)，同時隨著數(shù)據(jù)量的不斷增加，數(shù)據(jù)價值也逐漸被企業(yè)所關(guān)注，尤其是偏重于業(yè)務(wù)型的企業(yè)，大量的數(shù)據(jù)，在未被挖掘整合的過程中通常被看作是無效且占用資源的，但一旦被發(fā)掘，數(shù)據(jù)的價值將無可估量，因此數(shù)據(jù)采集、標(biāo)注和分析行業(yè)應(yīng)運而生。

三、人工智能產(chǎn)業(yè)鏈（3）數(shù)據(jù)-數(shù)據(jù)采集、標(biāo)注和分析技術(shù)層是人工智能產(chǎn)業(yè)的核心，以模擬人的智能相關(guān)特征為出發(fā)點，構(gòu)建技術(shù)路徑。主要包括算法理論（機(jī)器學(xué)習(xí)）、開發(fā)平臺（基礎(chǔ)開源框架、技術(shù)開放平臺）和應(yīng)用技術(shù)（計算機(jī)視覺、機(jī)器視覺、智能語音、自然語言理解）。

三、人工智能產(chǎn)業(yè)鏈2.技術(shù)層技術(shù)層算法理論開發(fā)平臺應(yīng)用技術(shù)機(jī)器學(xué)習(xí)基礎(chǔ)開源框架技術(shù)開放平臺計算機(jī)視覺機(jī)器視覺智能語音自然語言理解應(yīng)用層是人工智能產(chǎn)業(yè)的延伸，集成一類或多類人工智能基礎(chǔ)應(yīng)用技術(shù)，面向特定應(yīng)用場景需求而形成軟硬件產(chǎn)品或解決方案。主要包括行業(yè)解決方案（“AI+”）和熱門產(chǎn)品（智能汽車、機(jī)器人、智能家居、可穿戴設(shè)備等）。

三、人工智能產(chǎn)業(yè)鏈3.應(yīng)用層隨著深度學(xué)習(xí)、計算機(jī)視覺、語音識別等人工智能技術(shù)的快速發(fā)展，人工智能與終端和垂直行業(yè)的融合將持續(xù)加速，對傳統(tǒng)的醫(yī)療、金融、教育、文娛、零售、物流、政務(wù)、安防等諸多行業(yè)將形成全面和重新的塑造。

三、人工智能產(chǎn)業(yè)鏈（1）行業(yè)應(yīng)用-AI+傳統(tǒng)行業(yè)人工智能領(lǐng)域的熱門產(chǎn)品主要有智能汽車、機(jī)器人、智能家居、可穿戴設(shè)備等。

三、人工智能產(chǎn)業(yè)鏈（2）行業(yè)產(chǎn)品-智能汽車、機(jī)器人、智能家居、可穿戴設(shè)備等產(chǎn)品具體產(chǎn)品智能汽車自動駕駛系統(tǒng)解決方案、人機(jī)交互平臺機(jī)器人工業(yè)機(jī)器人、特種機(jī)器人（服務(wù)機(jī)器人、水下機(jī)器人、娛樂機(jī)器人、軍用機(jī)器人、農(nóng)業(yè)機(jī)器人）智能家居智能燈光控制系統(tǒng)、智能窗簾、智能門鎖、智能音箱、智能冰箱、智能水壺等可穿戴設(shè)備智能手環(huán)、智能手表、智能眼鏡、智能頭盔單元二

人工智能與機(jī)器學(xué)習(xí)學(xué)習(xí)目標(biāo)掌握人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系；熟悉機(jī)器學(xué)習(xí)常用開發(fā)工具。具備探究學(xué)習(xí)、終身學(xué)習(xí)、分析問題和解決問題的能力；具備機(jī)器學(xué)習(xí)常用開發(fā)工具的使用能力。知識目標(biāo)技能目標(biāo)素養(yǎng)目標(biāo)增強(qiáng)學(xué)生的信息素養(yǎng)、工匠精神、吃苦精神、創(chuàng)新思維；培養(yǎng)學(xué)生勇于奮斗、樂觀向上，勇于創(chuàng)新的精神；增強(qiáng)學(xué)生科技強(qiáng)國、技術(shù)報國的使命感；增強(qiáng)學(xué)生法律意識、安全意識。人工智能是指使機(jī)器像人一樣去決策，機(jī)器學(xué)習(xí)是實現(xiàn)人工智能的一種技術(shù)。深度學(xué)習(xí)是一種實現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，是機(jī)器學(xué)習(xí)中的一個分支方法，三者的關(guān)系如圖所示。

一、機(jī)器學(xué)習(xí)簡介人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)簡單的來說，機(jī)器學(xué)習(xí)就是設(shè)計一個算法模型來處理數(shù)據(jù)，輸出我們想要的結(jié)果，我們可以針對算法模型進(jìn)行不斷的調(diào)優(yōu)，形成更準(zhǔn)確的數(shù)據(jù)處理能力。但這種學(xué)習(xí)不會讓機(jī)器產(chǎn)生意識。

一、機(jī)器學(xué)習(xí)簡介在深度學(xué)習(xí)初始階段，每個深度學(xué)習(xí)研究者都需要寫大量的重復(fù)代碼。為了提高工作效率，研究者將這些代碼寫成了一個框架放在互聯(lián)網(wǎng)上讓所有研究者一起使用。接著，互聯(lián)網(wǎng)上就出現(xiàn)了不同的框架。隨著時間的推移，最為好用的幾個框架被大量的人使用從而流行了者起來。全世界最為流行的機(jī)器學(xué)習(xí)框架有Scikit-Learn、PaddlePaddle、TensorFlow、Caffe、Theano、MXNet、PyTorch等。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具Scikit-Learn是在SciPy的基礎(chǔ)上發(fā)展起來的，SciPy是一個開源的基于Python的科學(xué)計算工具包。

Scikit-Learn工具包最早由數(shù)據(jù)科學(xué)家DavidCournapeau在2007年發(fā)起，需要NumPy和SciPy等其他包的支持，是Python語言中專門針對機(jī)器學(xué)習(xí)應(yīng)用而發(fā)展起來的一款開源框架，它的維護(hù)也主要依靠開源社區(qū)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具1.Scikit-LearnScikit-Learn的優(yōu)點如下：

包含大量機(jī)器學(xué)習(xí)算法的實現(xiàn)，提供了完善的機(jī)器學(xué)習(xí)工具箱；

支持預(yù)處理、回歸、分類、聚類、降維、預(yù)測和模型分析等強(qiáng)大的機(jī)器學(xué)習(xí)庫，近乎一半的機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)項目都使用了該包；

如果不考慮多層神經(jīng)網(wǎng)絡(luò)的相關(guān)應(yīng)用，Scikit-Learn的性能表現(xiàn)是非常不錯的。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具1.Scikit-LearnScikit-Learn的缺點如下：

它不支持深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)；

它不支持圖模型和序列預(yù)測；

不支持Python之外的語言；

不支持由Python實現(xiàn)的解釋器PyPy；

不支持GPU加速。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具1.Scikit-LearnPyTorch是一個開源的Python機(jī)器學(xué)習(xí)庫，基于Torch，用于自然語言處理等應(yīng)用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch，它是一個基于Python的可續(xù)計算包，提供兩個高級功能：強(qiáng)大的GPU加速的張量計算、自動求導(dǎo)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具2.PyTorchPyTorch的主要特點是：

簡潔且高效快速的框架、設(shè)計追求最少的封裝；

設(shè)計符合人類思維，它讓用戶盡可能地專注于實現(xiàn)自己的想法；PyTorch能持續(xù)的開發(fā)和更新、PyTorch作者親自維護(hù)論壇，供用戶交流和求教問題，入門比較簡單。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具2.PyTorchTensorFlow是研究和開發(fā)人員使用的眾多深度學(xué)習(xí)框架之一，它可通過機(jī)器學(xué)習(xí)優(yōu)化其應(yīng)用程序。TensorFlow是Google的第二代人工智能學(xué)習(xí)系統(tǒng)，是一個基于數(shù)據(jù)流編程（dataflowprogramming）的符號數(shù)學(xué)系統(tǒng)，被廣泛應(yīng)用于各類機(jī)器學(xué)習(xí)算法的編程實現(xiàn)，其前身是谷歌的神經(jīng)網(wǎng)絡(luò)算法庫DistBelief。TensorFlow擁有多層級結(jié)構(gòu)，可部署于各類服務(wù)器、PC終端和網(wǎng)頁并支持GPU和TPU高性能數(shù)值計算，被廣泛應(yīng)用于谷歌內(nèi)部的產(chǎn)品開發(fā)和各領(lǐng)域的科學(xué)研究。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具3.TensorFlowTensorFlow具有以下優(yōu)點：

TensorFlow社區(qū)活躍，易于找到相關(guān)的模型及問題，整體框架的各類配套工具較為成熟；

TensorFlow生產(chǎn)部署的方案成熟，從手機(jī)終端到服務(wù)器都比其他框架更加易于部署；

TensorFlow本身之上也有Keras等高層框架，可以高效開發(fā)；

TensorFlow在處理RNN及大規(guī)模并行深度學(xué)習(xí)時的能力非常強(qiáng)大；

擁有TensorflowServing可以直接加載模型來提供RPC接口服務(wù)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具3.TensorFlowTensorFlow具有以下缺點：

入門難度較大，實際上是一門新的語言，很多開發(fā)者反映寫起來很麻煩；

有很多地方屬于黑箱操作，難以理解數(shù)據(jù)處理的原理，調(diào)試較難；

不適合做快速的想法驗證。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具3.TensorFlowCaffe，是一個兼具表達(dá)性、速度和思維模塊化的深度學(xué)習(xí)框架。由伯克利人工智能研究小組和伯克利視覺和學(xué)習(xí)中心開發(fā)。雖然其內(nèi)核是用C++編寫的，但Caffe提供Python和Matlab相關(guān)接口。Caffe支持多種類型的深度學(xué)習(xí)架構(gòu)，面向圖像分類和圖像分割，還支持CNN、RCNN、LSTM和全連接神經(jīng)網(wǎng)絡(luò)設(shè)計。Caffe支持基于GPU和CPU的加速計算內(nèi)核庫，如NVIDIAcuDNN和IntelMKL。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具4.Caffe此外Caffe還具有以下特點：

模塊性：Caffe以模塊化原則設(shè)計，實現(xiàn)了對新的數(shù)據(jù)格式、網(wǎng)絡(luò)層和損失函數(shù)的輕松擴(kuò)展。

表示和實現(xiàn)分離：Caffe已經(jīng)用谷歌的ProtoclBuffer定義模型文件。使用特殊的文本文件prototxt表示網(wǎng)絡(luò)結(jié)構(gòu)，以有向非循環(huán)圖形式的網(wǎng)絡(luò)構(gòu)建。

Python和MATLAB結(jié)合：Caffe提供了Python和MATLAB接口，供使用者選擇熟悉的語言調(diào)用部署算法應(yīng)用。

GPU加速：利用了MKL、OpenBLAS、cuBLAS等計算庫，利用GPU實現(xiàn)計算加速。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具4.Caffe飛槳（PaddlePaddle）以百度多年的深度學(xué)習(xí)技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集深度學(xué)習(xí)核心訓(xùn)練和推理框架、基礎(chǔ)模型庫、端到端開發(fā)套件、豐富的工具組件于一體，是中國首個自主研發(fā)、功能完備、開源開放的產(chǎn)業(yè)級深度學(xué)習(xí)平臺。PaddlePaddle依托百度業(yè)務(wù)場景的長期錘煉，擁有最全面的官方支持的工業(yè)級應(yīng)用模型，涵蓋自然語言處理、計算機(jī)視覺及推薦引擎等多個領(lǐng)域，并開放多個領(lǐng)先的預(yù)訓(xùn)練中文模型，以及多個在國際范圍內(nèi)取得競賽冠軍的算法模型。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具5.PaddlePaddlePaddlePaddle具有以下特點：

PaddlePaddle支持千億規(guī)模參數(shù)、數(shù)百個節(jié)點的高效并行訓(xùn)練；PaddlePaddle擁有強(qiáng)大的多端部署能力，支持服務(wù)器端、移動端等多種異構(gòu)硬件設(shè)備的高速推理，預(yù)測性能有顯著優(yōu)勢，能夠滿足不同層次的深度學(xué)習(xí)開發(fā)者的開發(fā)需求，具備了強(qiáng)大支持工業(yè)級應(yīng)用的能力，已經(jīng)被我國企業(yè)廣泛使用，也擁有了活躍的開發(fā)者社區(qū)生態(tài)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具5.PaddlePaddlePaddlePaddle具有以下特點：

PaddlePaddle支持千億規(guī)模參數(shù)、數(shù)百個節(jié)點的高效并行訓(xùn)練；PaddlePaddle擁有強(qiáng)大的多端部署能力，支持服務(wù)器端、移動端等多種異構(gòu)硬件設(shè)備的高速推理，預(yù)測性能有顯著優(yōu)勢，能夠滿足不同層次的深度學(xué)習(xí)開發(fā)者的開發(fā)需求，具備了強(qiáng)大支持工業(yè)級應(yīng)用的能力，已經(jīng)被我國企業(yè)廣泛使用，也擁有了活躍的開發(fā)者社區(qū)生態(tài)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具5.PaddlePaddleModelArts是華為公司面向開發(fā)者提供的一站式AI開發(fā)平臺，能夠為用戶提供全流程的AI開發(fā)服務(wù)，為機(jī)器學(xué)習(xí)與深度學(xué)習(xí)提供海量數(shù)據(jù)預(yù)處理及半自動化標(biāo)注、大規(guī)模分布式Training、自動化模型生成、端-邊-云模型按需部署能力，能幫助用戶快速創(chuàng)建和部署模型，管理全周期AI工作流，滿足不同開發(fā)層次的需要，降低AI開發(fā)和使用門檻，實現(xiàn)系統(tǒng)的平滑、穩(wěn)定、可靠運行。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具6.ModelArtsModelArts的主要特點：

ModelArts的AIGallery中預(yù)置了大量的模型、算法、數(shù)據(jù)和NoteBook等資源，供初學(xué)者快速上手使用；

ModelArts的自動學(xué)習(xí)功能，可以幫助用戶零代碼構(gòu)建AI模型；ModelArts同時也提供了開發(fā)環(huán)境，用戶可以在云上的JupyterLab或者本地IDE中編寫訓(xùn)練代碼，進(jìn)行AI模型開發(fā)。

二、機(jī)器學(xué)習(xí)常用開發(fā)工具6.ModelArts機(jī)器學(xué)習(xí)和自然語言處理(NLP)，使聊天機(jī)器人更具交互性和生產(chǎn)力。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用1.實時聊天機(jī)器人代理機(jī)器學(xué)習(xí)可以幫助企業(yè)將其擁有的大量數(shù)據(jù)轉(zhuǎn)化為可操作的見解，為用戶提供決策支持，從而實現(xiàn)價值。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用2.決策支持機(jī)器學(xué)習(xí)為客戶推薦引擎提供了動力，增強(qiáng)了客戶體驗并能提供個性化體驗。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用3.客戶推薦引擎企業(yè)使用人工智能和機(jī)器學(xué)習(xí)可以預(yù)測客戶關(guān)系何時開始惡化，并找到解決辦法。

4.客戶流失模型公司可以挖掘歷史定價數(shù)據(jù)和一系列其他變量的數(shù)據(jù)集，以了解特定的動態(tài)因素（從每天的時間、天氣到季節(jié)）如何影響商品和服務(wù)的需求。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用5.動態(tài)定價策略機(jī)器學(xué)習(xí)不僅幫助公司定價，它還能通過預(yù)測庫存和客戶細(xì)分幫助企業(yè)在正確的時間將正確的產(chǎn)品和服務(wù)交付到正確的區(qū)域。

6.市場調(diào)查和客戶細(xì)分機(jī)器學(xué)習(xí)理解模式的能力，以及立即發(fā)現(xiàn)模式之外異常情況的能力使它成為檢測欺詐活動的寶貴工具。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用7.欺詐檢測從社交網(wǎng)站想要給其網(wǎng)站上的照片貼上標(biāo)簽，到安全團(tuán)隊想要實時識別犯罪行為，再到自動化汽車需要通暢的道路等都離不開機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)的幫助。

8.圖像分類和圖像識別盡管很多機(jī)器學(xué)習(xí)應(yīng)用是高度專業(yè)化的，但許多公司也在通過這種技術(shù)來幫助處理日常業(yè)務(wù)流程，比如金融交易和軟件開發(fā)。

三、機(jī)器學(xué)習(xí)的主要應(yīng)用9.提升工作效率使用NLP的機(jī)器學(xué)習(xí)可以自動從文檔中識別關(guān)鍵的結(jié)構(gòu)化數(shù)據(jù)，即使所需的信息是以非結(jié)構(gòu)化或半結(jié)構(gòu)化的格式保存的。

10.信息提取電子郵件客戶端使用了許多垃圾郵件過濾的方法。

11.垃圾郵件過濾隨著人工智能成為熱點，智能手機(jī)廠家紛紛推出“AI手機(jī)”，手機(jī)也越來越智能。手機(jī)AI芯片，就是根據(jù)用戶習(xí)慣與需求，能夠通過芯片的硬件處理能力（收集整理信息、運算與分析、應(yīng)對處理）與系統(tǒng)傳輸配合，推算出用戶的興趣、愛好與需求，并即時反饋給給用戶，比如識別用戶語音從而做出反應(yīng)。從目前的智能手機(jī)發(fā)展趨勢來看，AI恰是技術(shù)突破的重要一環(huán)。AI與智能手機(jī)的結(jié)合，正順應(yīng)了這一技術(shù)潮流。下面帶著大家體驗如何利用華為手機(jī)的拍照功能識別食物的卡路里。

實訓(xùn)一

手機(jī)里的人工智能實訓(xùn)一

手機(jī)里的人工智能步驟一：打開相機(jī)，單擊左上角的識圖按鈕

步驟二：單擊【卡路里】按鈕，然后鏡頭再對準(zhǔn)食物實訓(xùn)一

手機(jī)里的人工智能步驟三：拍完照等待識別完成后，即可顯示食物名稱和卡路里信息。知識技能拓展：AlphaGo阿爾法圍棋（AlphaGo）是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能機(jī)器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領(lǐng)銜的團(tuán)隊開發(fā)。其主要工作原理是“深度學(xué)習(xí)”。2016年3月，阿爾法圍棋與世界頂級、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝；2016年末2017年初，該程序在中國棋類網(wǎng)站上以“大師”（Master）為注冊賬號與中日韓數(shù)十位圍棋高手進(jìn)行快棋對決，連續(xù)60局無一敗績；2017年5月，在中國烏鎮(zhèn)圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝。圍棋界公認(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，在GoRatings網(wǎng)站公布的世界職業(yè)圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。模塊二

人工智能開發(fā)環(huán)境安裝與使用單元一Anaconda環(huán)境搭建學(xué)習(xí)目標(biāo)掌握Anaconda下載及安裝方法；掌握Anaconda的常用命令；熟悉Pycharm下載及安裝方法。能夠下載并安裝Anaconda；能夠使用Anaconda的常用命令和下載及安裝Pycharm。知識目標(biāo)能力目標(biāo)素養(yǎng)目標(biāo)增強(qiáng)學(xué)生科技強(qiáng)國、技術(shù)報國的使命感；激發(fā)學(xué)生艱苦奮斗、自主創(chuàng)新的學(xué)習(xí)熱情；增強(qiáng)學(xué)生法律意識、安全意識。一、Anaconda的下載和安裝1.Anaconda簡介Anaconda是一個開源的集成開發(fā)平臺，它集成了Python的開發(fā)環(huán)境及眾多常用的Python包和模塊，如NumPy、Matplotlib等。Anaconda主頁：/。一、Anaconda的下載和安裝2.Anaconda的下載--Anaconda官網(wǎng)特點：從國外服務(wù)器下載，下載速度特別慢。下載地址：在Anaconda官方主頁單擊Products按鈕，進(jìn)入下載頁。一、Anaconda的下載和安裝2.Anaconda的下載--清華大學(xué)軟件鏡像站下載特點：國內(nèi)鏡像服務(wù)器下載，下載速度快。下載地址為：/anaconda/archive/一、Anaconda的下載和安裝3.Anaconda的安裝步驟1

雙擊下載好的“Anaconda3-2022.05-Windows-x86_64.exe”文件，在打開的對話框中單擊“Next”按鈕，如圖所示。步驟2

顯示“LicenseAgreement”界面，單擊“IAgree”按鈕，如圖所示。一、Anaconda的下載和安裝3.Anaconda的安裝步驟

3顯示“SelectInstallationType”界面，在“Installfor”列表中勾選“JustMe”單選鈕，然后單擊“Next”按鈕，如圖所示。步驟4顯示“ChooseInstallLocation”界面，直接使用默認(rèn)路徑，單擊“Next”按鈕，如圖所示。一、Anaconda的下載和安裝3.Anaconda的安裝步驟5顯示“AdvancedInstallationOptions”界面，在“AdvancedOptions”列表中勾選“AddAnaconda3tomyPATHenvironmentvariable”和“RegisterAnaconda3asmydefaultPython3.9”復(fù)選框，單擊“Install”按鈕，如圖所示。勾選“AddAnaconda3tomyPATHenvironmentvariable”表示把Anaconda3加入環(huán)境變量；勾選“RegisterAnaconda3asmydefaultPython3.9”表示將Anaconda3注冊為默認(rèn)安裝的Python3.9。指點迷津一、Anaconda的下載和安裝3.Anaconda的安裝步驟6安裝完成后單擊“Next”按鈕，最后單擊“Finish”按鈕，完成Anaconda3的安裝。步驟7

單擊“開始”按鈕，選擇“Anaconda3”→“AnacondaPrompt”選項，如圖所示。步驟8在打開的“AnacondaPrompt”窗口中輸入“condalist”命令，按回車鍵，如果顯示很多庫名和版本號列表，說明Anaconda安裝成功了，如圖所示。二、Anaconda常用命令1.Anaconda的使用方法AnacondaNavigator是Anaconda的圖形界面管理工具。主要功能：（1）包管理；（2）環(huán)境管理。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安裝包的方法（以安裝Pymysql為例）：步驟1：Environments項，列表框選擇All。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安裝包的方法（以安裝Pymysql為例）：步驟2：在右側(cè)的搜索框輸入pymysql，選中搜索結(jié)果，單擊Apply。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安裝包的方法（以安裝Pymysql為例）：步驟3：在InstallPackages窗口中，單擊Apply按鈕。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安裝包的方法（以安裝Pymysql為例）：步驟4：安裝成功，pymysql為Installed狀態(tài)。二、Anaconda常用命令1.Anaconda的使用方法（2）AnacondaNavigator同時配置多個環(huán)境：步驟1：Environments項，單擊Create按鈕；輸入名稱，選擇Python版本。二、Anaconda常用命令1.Anaconda的使用方法（2）AnacondaNavigator同時配置多個環(huán)境：步驟2：自動下載安裝包進(jìn)行安裝。二、Anaconda常用命令1.Anaconda的使用方法AnacondaPrompt：Anaconda命令行終端。JupyterNotebook：基于網(wǎng)頁的交互式程序編輯工具。Spyder：科學(xué)運算集成開發(fā)環(huán)境。二、Anaconda常用命令2.常見的conda命令（1）獲取版本號conda–version或者conda–V（2）獲得幫助conda–help或者conda–h二、Anaconda常用命令2.常見的conda命令（3）獲得某一些命令的幫助condaremove–h二、Anaconda常用命令2.常見的conda命令（4）查看自帶安裝包condalist二、Anaconda常用命令2.常見的conda命令（6）創(chuàng)建環(huán)境：condacreate–nametensorflow2（7）刪除環(huán)境：condaremove–nametensorflow2--all（8）新建指定python版本的環(huán)境：condacreate–nametensorflow3python=3.8三、Pycharm的安裝和使用1.Pycharm的下載和安裝Pycharm是專業(yè)的面向Python的集成開發(fā)環(huán)境。Pycharm主頁：/pycharm/。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟1：在主頁單擊DOWNLOAD按鈕，彈出下載界面。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟2：選擇免費的社區(qū)版下載。雙擊文件安裝，單擊“Next”進(jìn)入下一步。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟3：設(shè)置安裝路徑，單擊“Next”進(jìn)入下一步。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟4：進(jìn)行安裝設(shè)置。此處勾選“AddbinfoldertothePATH”，單擊“Next”。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟5：設(shè)置位于開始菜單中的目錄。直接單擊“Install”開始安裝。三、Pycharm的安裝和使用1.Pycharm的下載和安裝步驟6：安裝完成后，在程序開始菜單出現(xiàn)Pycharm啟動項“JetBrains>PycharmCommunity”，單擊PycharmCommunity選項即可啟動。三、Pycharm的安裝和使用2.Pycharm的使用步驟1：在Pycharm的主界面中選擇“File>NewProject”菜單命令以新建項目。三、Pycharm的安裝和使用2.Pycharm的使用步驟2：選擇新建的項目，單擊鼠標(biāo)右鍵，在彈出的菜單中選擇“New>PythonFile”菜單命令，新建Python文件，命名為“test”。三、Pycharm的安裝和使用2.Pycharm的使用步驟3：Python文件中輸入代碼，單擊鼠標(biāo)右鍵，選擇“Runtest”菜單命令。三、Pycharm的安裝和使用2.Pycharm的使用擴(kuò)展1

“File>Settings”菜單，打開Settings窗口。在左側(cè)欄中選擇“Project>ProjectInterpreter”選項，在右側(cè)ProjectInterpreter選擇解釋器。三、Pycharm的安裝和使用2.Pycharm的使用擴(kuò)展2：使用第三方模塊，可以在Settings窗口進(jìn)行操作。單擊Settings窗口右側(cè)單擊“+”，彈出以下窗口，在左側(cè)選擇安裝的模塊。三、Pycharm的安裝和使用2.Pycharm的使用擴(kuò)展2安裝完成后，在Settings窗口中即可看到已經(jīng)安裝的模塊NumPy。三、Pycharm的安裝和使用3.Anaconda與Pycharm連接步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。三、Pycharm的安裝和使用3.Anaconda與Pycharm連接步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。步驟2：單擊右側(cè)“齒輪”圖標(biāo)，出現(xiàn)“Add…”命令，單擊此命令。三、Pycharm的安裝和使用3.Anaconda與Pycharm連接步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。步驟3：單擊Conda環(huán)境，選擇Existingenvironment，進(jìn)行設(shè)置。三、Pycharm的安裝和使用3.Anaconda與Pycharm連接步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。步驟4：找到Python位置，依次單擊“OK”按鈕，等待環(huán)境加載完畢就可以了。單元二Python機(jī)器學(xué)習(xí)常用模塊庫的使用學(xué)習(xí)目標(biāo)掌握機(jī)器學(xué)習(xí)常用第三方模塊庫：NumPy模塊庫、Pandas模塊庫和MatplotLib模塊庫。能夠安裝并使用常用第三方模塊庫，包括NumPy模塊庫、Pandas模塊庫和MatplotLib模塊庫。知識目標(biāo)能力目標(biāo)素養(yǎng)目標(biāo)增強(qiáng)學(xué)生的責(zé)任擔(dān)當(dāng)意識、合作意識、精益求精的職業(yè)素養(yǎng)；增強(qiáng)學(xué)生科技強(qiáng)國、技術(shù)報國的使命感。一、NumPy模塊庫的使用步驟1：打開Pycharm，單擊File>Settings，進(jìn)入Settings，單擊PythonInterpreter。NumPy（NumericalPython）模塊是Python中的一種開源的數(shù)值計算擴(kuò)展庫，主要用于數(shù)組和矩陣的運算。目前NumPy已經(jīng)成為其他大數(shù)據(jù)和機(jī)器學(xué)習(xí)模塊的基礎(chǔ)。NumPy主頁：/。一、NumPy模塊庫的使用1.NumPy主要功能（3）隨機(jī)數(shù)生成（5）傅里葉變換（4）線性代數(shù)運算（6）文件操作（1）數(shù)組操作（2）數(shù)學(xué)函數(shù)NumPy主要功能一、NumPy模塊庫的使用2.NumPy的安裝NumPy的安裝命令(使用Anaconda安裝)：condainstallnumpy[=1.19.2]Numpy的安裝驗證命令為：importnumpyasnpprint(np.__version__)

#輸出對應(yīng)版本即可。一、NumPy模塊庫的使用3.NumPy的典型應(yīng)用（1）NumPy導(dǎo)包importnumpyasnp（2）NumPy創(chuàng)建數(shù)組1>創(chuàng)建一維數(shù)組：a=np.array([1,2,3])2>創(chuàng)建二維數(shù)組：b=np.array([4,5,6],[7,8,9])3>創(chuàng)建全0的數(shù)組：c=np.zeros((3,4))4>創(chuàng)建等差數(shù)組：d=np.arange(1,12,2)5>創(chuàng)建對角矩陣：f=np.eye(3)6>創(chuàng)建0-1的隨機(jī)數(shù)組：g=np.random.random((2,2))一、NumPy模塊庫的使用3.NumPy的典型應(yīng)用（3）數(shù)組加、減法定義數(shù)組：a=np.array([1,2,3,4])b=np.array([5,6,7,8])數(shù)組相加：c=a+b[1234][5678]ab＋[681012][146][123]ba/[1.2.2.]（4）數(shù)組乘、除法定義數(shù)組：a=np.array([1,2,3])b=np.array([1,4,6])

數(shù)組相除：c=b/a一、NumPy模塊庫的使用3.NumPy的典型應(yīng)用（5）數(shù)組索引二維數(shù)組：data=np.arange(12).reshape(3,4)定義判別式：mask=data>5輸出判別式相關(guān)數(shù)據(jù)：data[mask]輸出判別式相關(guān)數(shù)據(jù)一、NumPy模塊庫的使用3.NumPy的典型應(yīng)用（6）數(shù)組切片：總是按照先切第0維，再切第一維，以此類推順序切。二維數(shù)組：data=np.arange(12).reshape(3,4)設(shè)置0、1行&1、2列數(shù)值為0：data[0:2,1:3]=0[[0123][4567][891011]][[0003][4007][891011]]二、Pandas模塊庫的使用Pandas是一個數(shù)據(jù)分析工具，適用于處理XLS、CSV等表格數(shù)據(jù)。Pandas提供了高性能的數(shù)據(jù)分析工具，包含大量快速便捷地處理數(shù)據(jù)的函數(shù)和方法。Pandas主頁：/。二、Pandas模塊庫的使用1.Pandas的數(shù)據(jù)類型Series：一維數(shù)組對象，包含一個值序列，并且包含數(shù)據(jù)標(biāo)簽，稱為索引。類似電子表格中一列。Pandas有三種數(shù)據(jù)類型：Series、DataFrame和Panel。DataFrame：類似電子表格的數(shù)據(jù)結(jié)構(gòu)，每一列可以有不同的數(shù)據(jù)類型，具有行和列索引。Panel：可以理解為DataFrame的容器，類似Excel的多表單Sheet。二、Pandas模塊庫的使用2.Pandas的安裝Pandas的安裝命令(使用Anaconda安裝)：condainstallpandas[=1.1.3]Pandas的安裝驗證命令為：importpandasaspd print(pd.__version__)

#輸出對應(yīng)版本即可。二、Pandas模塊庫的使用3.Pandas的典型應(yīng)用data=pd.read_csv(“文件路徑/文件名.csv”)data.head(2)#讀取前2行data.columns/index#顯示數(shù)據(jù)列名/行名data.tail(2)#顯示最后2行數(shù)據(jù)data.shape/ndim#查看數(shù)據(jù)行數(shù)和列數(shù)/維度（1）Pandas讀取數(shù)據(jù)二、Pandas模塊庫的使用3.Pandas的典型應(yīng)用foriindata: print(i+":"+str(data[i].unique()))（2）Pandas循環(huán)查看數(shù)據(jù)二、Pandas模塊庫的使用3.Pandas的典型應(yīng)用data.isnull()#查看整個數(shù)據(jù)集的空值，返回True/Falsedata[‘money'].isnull()#查看某一列的空值data.fillna（value=None，method=None，inplace=False）#空值填充（3）Pandas數(shù)據(jù)清洗二、Pandas模塊庫的使用3.Pandas的典型應(yīng)用pd.merge(left,right,how=‘inner’,on=None)（4）數(shù)據(jù)合并二、Pandas模塊庫的使用3.Pandas的典型應(yīng)用data.groupby(‘column’).count()/.sum()#根據(jù)單屬性進(jìn)行匯總統(tǒng)計data.groupby([‘column1’,’column2’])count()/.sum()#根據(jù)多屬性進(jìn)行匯總統(tǒng)計（5）數(shù)據(jù)匯總?cè)?、MatplotLib模塊庫的使用MatplotLib主要用來可視化一些數(shù)據(jù)，更加直觀的展示數(shù)據(jù)的呈現(xiàn)趨勢，可以生成直方圖、功率譜、條形圖、錯誤圖、散點圖等。MatplotLib主頁：/。三、MatplotLib模塊庫的使用1.MatplotLib的安裝MatplotLib的安裝命令(使用pip安裝)：pipinstallmatplotlibMatplotLib的安裝驗證命令為：importmatplotlibasplt print(plt.__version__)

#輸出對應(yīng)版本即可。三、MatplotLib模塊庫的使用2.MatplotLib繪圖--設(shè)置畫布基本格式：figure(figsize,dpi,facecolor)三、MatplotLib模塊庫的使用2.MatplotLib繪圖--設(shè)置坐標(biāo)軸函數(shù)名傳入?yún)?shù)及其作用xlabel()傳入一個字符串，表示x軸的名稱ylabel()傳入一個字符串，表示x軸的名稱grid()不需要傳入?yún)?shù)，使直角坐標(biāo)系顯示網(wǎng)格title()傳入一個字符串，表示標(biāo)題三、MatplotLib模塊庫的使用2.MatplotLib繪圖基本格式：plot(x,y,color,linestyle,marker,format_stirng,…)1.MatplotLib繪折線圖參數(shù)作用xx軸數(shù)據(jù)yy軸數(shù)據(jù)color圖形顏色linestyle線條樣式,‘-’實現(xiàn),‘--’虛線marker點樣式,‘*’是星號,‘o’是原點format_string可以通過一串字符控制圖形樣式，如‘r--o’表示紅色、原點、虛線三、MatplotLib模塊庫的使用2.MatplotLib繪圖--折線圖基本格式：plot(x,y,color,linestyle,marker[,format_string])三、MatplotLib模塊庫的使用2.MatplotLib繪圖--散點圖基本格式：scatter(x,y,s,linestyle,marker,format_stirng,…)參數(shù)作用xx軸數(shù)據(jù)yy軸數(shù)據(jù)s點標(biāo)記大小c點標(biāo)記顏色marker點樣式,‘*’是星號,‘o’是原點三、MatplotLib模塊庫的使用2.MatplotLib繪圖--子圖基本格式：subplot(x,y,z)單元三TensorFlow2.3安裝學(xué)習(xí)目標(biāo)掌握TensorFlow2.3的安裝方法。能夠在不同版本不同操作系統(tǒng)下安裝TensorFlow2.3。知識目標(biāo)能力目標(biāo)素養(yǎng)目標(biāo)增強(qiáng)學(xué)生科技創(chuàng)新精神、激發(fā)學(xué)生自主創(chuàng)新的學(xué)習(xí)熱情；增強(qiáng)學(xué)生精益、專注的大國工匠精神；引導(dǎo)學(xué)生樹立嚴(yán)謹(jǐn)、求真的科學(xué)態(tài)度。一、TensorFlow簡介TensorFlow是開源的機(jī)器學(xué)習(xí)框架，由谷歌開發(fā)與維護(hù)，用于語音識別和圖像處理等多項深度學(xué)習(xí)領(lǐng)域，是目前最受歡迎的深度學(xué)習(xí)平臺之一。一、TensorFlow簡介TensorFlow2.3支持的系統(tǒng)以下64位系統(tǒng)支持TensorFlow2.3。（1）Ubuntu16.04或更高版本；（2）Windows7或更高版本；（3）macOS10.12.6(Sierra)或更高版本（不支持GPU）；TensorFlow版本分為CPU版本和GPU版本。一、TensorFlow2.3CPU版本的安裝condacreate–ntensorflow2.3python==3.8第一步：創(chuàng)建tensorflow環(huán)境一、TensorFlow2.3CPU版本的安裝activatetensorflow2.3第二步：激活tensorflow環(huán)境一、TensorFlow2.3CPU版本的安裝pipinstallnumpymatplotlibPillowscikit-learnpandas-ihttps://pypi.tuna.tsi/simple第三步：安裝輔助庫一、TensorFlow2.3CPU版本的安裝pipinstalltensorflow==2.3.0-i/simple第四步：安裝TensorFlow一、TensorFlow2.3CPU版本的安裝importtensorflowprint(tensorflow.__version__)#如果不報錯，則安裝成功。第五步：驗證TensorFlow2.3安裝成功二、TensorFlow2.3GPU版本的安裝TensorFlowGPU前提（1）使用NVIDIAGPU必須有GPU硬件支持（2）顯卡的計算能力在3.5以上，通過鏈接/cuda-gpus#compute查看。二、TensorFlow2.3GPU版本的安裝TensorFlow的版本和運行庫的版本是綁定的，一定要配合使用。TensorFlow2.3對應(yīng)的Nvidia運行庫版本如下圖所示：二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝下載地址為：/cuda-toolkit-archive二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝第一步：運行安裝包，選擇安裝位置。二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝第二步：自動檢查系統(tǒng)兼容性；閱讀許可協(xié)議，單擊“同意并繼續(xù)”按鈕。二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝第三步：選擇自定義安裝，單擊“下一步”；選擇安裝以下幾個組件，單擊“下一步”。二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝第四步：單擊“下一步”，確認(rèn)NsightVisualStudioEditionSummary。二、TensorFlow2.3GPU版本的安裝CUDA的下載與安裝第五步：單擊“關(guān)閉”按鈕關(guān)閉安裝程序。二、TensorFlow2.3GPU版本的安裝CuDNN的下載與安裝下載地址為：/cudnn二、TensorFlow2.3GPU版本的安裝CuDNN的下載與安裝第一步：下載完畢之后解壓，得到如下文件：二、TensorFlow2.3GPU版本的安裝CuDNN的下載與安裝第二步：復(fù)制bin、include、lib三個文件夾，粘貼到cuda安裝路徑下。二、TensorFlow2.3GPU版本的安裝第三步：配置環(huán)境變量：編輯Path環(huán)境變量，添加以下兩條路徑。CuDNN的下載與安裝二、TensorFlow2.3GPU版本的安裝第一步：在DOS命令窗口中，創(chuàng)建獨立環(huán)境 condacreate-ntensorflow-gpupython==3.8第二步：在DOS命令窗口中，激活獨立環(huán)境 activatetensorflow-gpuTensorFlow2.3GPU安裝二、TensorFlow2.3GPU版本的安裝第三步：安裝相關(guān)第三方庫pipinstallnumpymatplotlibPillowscikit-learnpandas-ihttps://pypi.tuna.tsi /simpleTensorFlow2.3GPU安裝二、TensorFlow2.3GPU版本的安裝TensorFlow2.3GPU安裝第四步：安裝tensorflow-gpu pipinstalltensorflow-gpu==2.3.0-i/simple驗證安裝成功：importtensorflowastf tf.test.is_gpu_available() #返回值為True，則說明可以使用GPU加速。實現(xiàn)Python中NumPy、Pandas、MatplotLib三個模塊庫的簡單使用。

實訓(xùn)二

Python模塊庫基本使用1.問題描述通過NumPy生成隨機(jī)數(shù)，通過Pandas保存和讀取文件，使用MatplotLib進(jìn)行可視化展示。

2.思路描述3.解決步驟//導(dǎo)入相關(guān)庫importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt 實訓(xùn)二

Python模塊庫基本使用3.解決步驟//使用NumPy生成隨機(jī)數(shù)a=np.random.randint(0,10,40)#low=0，high=10，size=40，返回一個元素個數(shù)為40的隨機(jī)數(shù)組，取值范圍為0~9b=np.random.rand(10)#返回一個元素個數(shù)為10隨機(jī)數(shù)組，隨機(jī)樣本取值范圍是[0,1)c=np.random.randn(10)#返回一個元素個數(shù)為10數(shù)組，隨機(jī)樣本值服從標(biāo)準(zhǔn)正態(tài)分布d=np.random.normal(0,1,10)#loc=0,scale=1,size=10。loc=0說明這是一個以Y軸為對稱軸的正態(tài)分布，scale=1說明正態(tài)分布的標(biāo)準(zhǔn)差為1，size=10說明生成一個元素個數(shù)為10數(shù)組

e=np.random.random(10)#生成一個元素個數(shù)為10的數(shù)組，浮點數(shù)范圍為(0,1) 實訓(xùn)二

Python模塊庫基本使用3.解決步驟//使用Pandas保存、讀取文件data.to_csv('data_a.csv',index=False)#文件的相對位置為：data_a.csv，index=False表示默認(rèn)不添加索引’data.to_csv('data_b.csv',index=False)#文件的相對位置為data_b.csv，index=False表示默認(rèn)不添加索引aa=np.array(pd.read_csv('data_a.csv'))#得到DataFrame轉(zhuǎn)為ndarraybb=np.array(pd.read_csv('data_b.csv'))實訓(xùn)二

Python模塊庫基本使用3.解決步驟//使用MatplotLib可視化plt.subplot(2,2,1)#分成2*2的圖片區(qū)域，占用第一個，即第一行第一列的子圖plt.bar(aa[0],bb[0])#繪制條形圖plt.subplot(2,2,2)#占用第二個，即第一行第二列的子圖plt.scatter(c,d,color='b')#繪制散點圖，默認(rèn)顏色為藍(lán)色plt.subplot(2,2,3)#占用第三個，即第二行第一列的子圖plt.hist(e,bins=15,facecolor="blue",edgecolor="black",alpha=0.7)#bins=15指定有15條直方圖，facecolor="blue"說明直方圖顏色，edgecolor="black"說明直方圖邊框顏色，alpha=0.7說明透明度。plt.subplot(2,2,4)#占用第四個，即第二行第二列的子圖plt.pie(slices,labels=activities,colors=cols,startangle=90,shadow=False,explode=(0,0.1,0,0),autopct='%1.1f')#繪制餅圖實訓(xùn)二

Python模塊庫基本使用4.運行結(jié)果知識技能拓展：JupyterNotebook的使用JupyterNotebook是Anaconda套件中一款開源的Web應(yīng)用程序，用戶可以使用它編寫代碼、公式、解釋性文本和繪圖，并且可以把創(chuàng)建好的文檔進(jìn)行分享。如何使用JupyterNotebook編寫程序呢？目前，JupyterNotebook已經(jīng)廣泛應(yīng)用于數(shù)據(jù)處理、數(shù)學(xué)模擬、統(tǒng)計建模、機(jī)器學(xué)習(xí)等重要領(lǐng)域。知識技能拓展：JupyterNotebook的使用步驟1

在“AnacondaNavigator”窗口中，單擊“JupyterNotebook”→“Launch”按鈕，如圖所示。步驟2

在默認(rèn)的瀏覽器中打開JupyterNotebook，如圖所示。從圖JupyterNotebook界面中可以看到，它的頂部有3個選項卡，分別是“Files”“Running”和“Clusters”。其中，“Files”中列出了所有文件，“Running”中顯示已經(jīng)打開的終端和Notebook運行狀況，“Clusters”則是由IPythonparallel包提供，用于并行計算。知識技能拓展：JupyterNotebook的使用還可以通過下面兩種方法啟動JupyterNotebook：①單擊“開始”按鈕，選擇“Anaconda3”→“JupyterNotebook”選項；②在Windows命令終端輸入命令“jupyternotebook”。還有其他方法啟動JupyterNotebook嗎？知識技能拓展：JupyterNotebook的使用步驟3在JupyterNotebook界面中選擇“Files”→“New”→“Python3”選項，如圖所示。知識技能拓展：JupyterNotebook的使用在JupyterNotebook界面中，“New”下拉按鈕除了“Python3”選項外，還有“TextFile”“Folder”和“Terminal”3個選項：①選擇“TextFile”選項，會新建一個空白文檔，在其中可以編輯任何字母、單詞和數(shù)字，也可以選擇一種編程語言，然后用該語言編寫腳本；②選擇“Folder”選項，可以創(chuàng)建一個新文件夾，把所需文檔放入其中，也可以修改文件夾的名稱或刪除文件夾；③選擇“Terminal”選項，其工作方式與在個人終端上完全相同，只是將終端嵌入到Web瀏覽器中工作。知識技能拓展：JupyterNotebook的使用步驟4

以Python3工作方式打開JupyterNotebook，如圖所示。Notebook名稱菜單欄工具欄代碼單元格指點迷津：當(dāng)以Python3工作方式新建一個文檔時，在JupyterNotebook中會顯示Notebook名稱、菜單欄、工具欄和代碼單元格等。在上圖中，JupyterNotebook將Notebook名稱命名為“Untitled1.ipynb”，單擊“Untitled1.ipynb”會彈出一個對話框，可以對當(dāng)前文檔進(jìn)行重命名；代碼單元格是默認(rèn)的單元格類型，用于編寫代碼，單元格類型還有標(biāo)記單元格、原生單元格和標(biāo)題單元格。知識技能拓展：JupyterNotebook的使用步驟5

在代碼單元格中輸入“print('HelloWorld!')”語句，如圖所示。步驟6使用快捷鍵“Shift+Enter”或單擊工具欄中的“運行”按鈕，運行代碼單元格中的代碼，運行結(jié)果顯示在代碼單元格下方，并在運行結(jié)果下方產(chǎn)生一個新的空白代碼單元格，如圖所示。知識技能拓展：JupyterNotebook的使用指點迷津運行代碼還可以使用快捷鍵“Alt+Enter”或“Ctrl+Enter”。其中，快捷鍵“Alt+Enter”是運行當(dāng)前單元格并在下方插入新的空白單元格；快捷鍵“Ctrl+Enter”是運行當(dāng)前單元格并進(jìn)入命令模式，但不會有新的單元格產(chǎn)生。步驟7

在空白代碼單元格中輸入“%pwd”語句并運行，得到當(dāng)前文件所在位置的絕對路徑，如圖所示。知識技能拓展：JupyterNotebook的使用JupyterNotebook提供了魔術(shù)命令，完成一些特殊的功能。魔術(shù)命令在代碼單元格中運行，以“%”或“%%”開頭?！?”控制一行，“%%”控制整個單元格，常用的魔術(shù)命令如表所示。命令功能%%filePython文件的絕對路徑將腳本代碼寫入本地Python文件，不在JupyterNotebook中運行%loadPyth