近年來，受益于硬件計算能力的跨越式提升和海量數(shù)據(jù)的涌現(xiàn)，神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、深度學習等理論算法得以高效實現(xiàn)并不斷優(yōu)化，在人工智能技術和相關產(chǎn)業(yè)應用中的地位和重要性日益提升。2006年，G.E.Hinton研究組有關深層網(wǎng)絡訓練的工作使得深度學習重回大眾視野，該年因此也被稱為深度學習元年。2012年，G.E.Hinton研究組憑借AlexNet在備受關注的ImageNet競賽中強勢奪冠后，基于深度學習的人工智能技術更是迎來爆發(fā)式發(fā)展期，在圖像、語音等領域獲得了優(yōu)異的表現(xiàn)，并得到產(chǎn)業(yè)界的廣泛認可和大力推進。
在人工智能算法的實現(xiàn)和部署過程中，有C、C++、Java、Python等高級編程語言可供選擇，其中可讀性好、靈活性強、庫資源豐富的Python語言一直是大部分深度學習和人工智能領域開發(fā)人員的首選。對高等院校及相關行業(yè)的人工智能技術初學者來說，在學習前沿理論知識的同時，結合Python編程語言進行人工智能技術實踐，是加深其對人工智能基礎知識的理解、快速提升其技術開發(fā)能力的有效途徑，因而本書使用Python作為算法實現(xiàn)、實驗實踐的編程語言。
本書聚焦國家新一代人工智能發(fā)展規(guī)劃，面向人工智能、機器人工程、智能醫(yī)學工程等新工科專業(yè)人才培養(yǎng)的實際需求，著力解決人工智能基礎知識交叉不足、理論技術和業(yè)界應用關聯(lián)不緊及實驗實踐教材匱乏、內(nèi)容體系支撐不強等問題，主要內(nèi)容包括Python編程基礎、神經(jīng)網(wǎng)絡基礎、深度學習計算框架、卷積神經(jīng)網(wǎng)絡、序列到序列網(wǎng)絡、目標檢測及其應用、語義分割及其應用等。
本書突出前沿性、實踐性，以深度學習關鍵技術為牽引，設計構建緊貼產(chǎn)業(yè)實際的實踐案例，可滿足高等院校相關專業(yè)的本科生或研究生人工智能基礎知識學習及實踐創(chuàng)新的需求，也可以作為相關行業(yè)技術人員的參考資料。
本書基于山東大學人工智能、機器人工程、智能醫(yī)學工程等新工科專業(yè)建設，特別是“人工智能與機器人”新工科實驗班的教學育人實踐，參考借鑒其他高水平大學人工智能相關專業(yè)知識體系的構成，將基礎知識和編程實踐相結合，通過代碼實例分析，使得基礎知識變得直觀易懂；將基礎Python編程和PyTorch框架編程結合設計實踐內(nèi)容，以適應互聯(lián)網(wǎng)時代共享代碼的社區(qū)生態(tài)需求；通過綜合實踐例程，幫助讀者打通知識學習、數(shù)據(jù)準備、代碼編寫、參數(shù)調(diào)試、結果分析等全鏈條學習過程，在掌握相關技術的同時提高學習興趣。
本書編寫過程中，陳佳銘、曹淑強、孟子喻等十余名研究生參與了本書的校對工作，并對其中的代碼進行了驗證和完善，在此一并致謝！書中的實踐例程多來源于人工智能技術的實際應用，具備良好的經(jīng)濟和社會效益，對于實踐創(chuàng)新將起到良好的啟發(fā)和指導作用。
以深度學習為基礎的人工智能技術發(fā)展得如火如荼，但也面臨諸多的挑戰(zhàn)。希望本書能夠引領讀者打開人工智能技術的大門，不斷開拓創(chuàng)新，在學術界或行業(yè)內(nèi)創(chuàng)造優(yōu)異成果！