电子工业出版社-网上书店

本书深入剖析了人工智能时代数据服务的核心技术与应用场景，为读者揭示了数据驱动人工智能发展的奥秘。本书通过设计具体的项目和任务，引导学生在完成任务的过程中，深入掌握人工智能数据服务必要的理论知识和实践技能。全书内容分为5个项目，共17个任务，包括人工智能数据服务概述、数据采集、数据处理、数据标注与质量、数据可视化，内容全面，体系完整，并配套丰富的立体化教学资源。本书对标职业化标准，理论结合实践，通过任务分析和实际操作，使学生在面对挑战时能够积极思考、不断创新，同时强调培养学生的社会责任感和职业道德。

项目1  人工智能数据服务基础	1
任务1.1  认识人工智能数据服务	2
1.1.1  人工智能数据服务概念	2
1.1.2  人工智能数据服务的应用场景	5
1.1.3  人工智能数据服务行业发展历程	8
1.1.4  人工智能数据服务行业发展现状	9
1.1.5  人工智能数据服务行业未来趋势及机遇	12
1.1.6  人工智能数据服务实验环境安装与配置	14
项目2  数据采集	23
任务2.1  网络数据采集	24
2.1.1  网络爬虫的基本原理及基本库的使用	24
2.1.2  网页前端基础	26
2.1.3  构建网络爬虫	27
2.1.4  爬虫的协议与道德、法律	30
2.1.5  网络数据采集实战	32
任务2.2  端侧数据采集	39
2.2.1  了解OpenCV库	40
2.2.2  摄像头操作	42
2.2.3  图像采集与显示	43
2.2.4  端侧数据采集实战	45
任务2.3  数据存储与加载	49
2.3.1  基于Python的txt格式数据存储	49
2.3.2  基于Python的CSV格式数据存储	50
2.3.3  基于Python的Excel格式数据存储	52
2.3.4  基于Python的MongoDB数据库存储	53
2.3.5  数据存储与加载实战	56
项目3  数据处理	62
任务3.1  图像数据处理	63
3.1.1  图像数据处理的定义	63
3.1.2  图像数据处理的应用场景	64
3.1.3  图像数据处理的方法	64
3.1.4  图像数据处理实战	66
任务3.2  文本数据处理	82
3.2.1  文本数据处理的定义	83
3.2.2  文本数据处理的应用场景	83
3.2.3  文本数据处理的方法	83
3.2.4  文本数据处理实战	87
任务3.3  数据清洗	96
3.3.1  数据清洗的定义	97
3.3.2  数据清洗的应用场景	97
3.3.3  数据清洗的步骤和方法	98
3.3.4  数据清洗实战	101
任务3.4  数据增广	107
3.4.1  数据增广的定义	108
3.4.2  数据增广的应用场景	108
3.4.3  数据增广的方法	108
3.4.4  图像数据增广	111
3.4.5  文本数据增广	115
任务3.5  特征工程	120
3.5.1  特征工程的定义	121
3.5.2  特征工程的应用场景	121
3.5.3  特征提取	122
3.5.4  特征转换	123
3.5.5  特征选择	123
3.5.6  特征工程实战	124
项目4  数据标注与质量	140
任务4.1  认识数据标注工具和方法	141
4.1.1  数据标注定义	142
4.1.2  数据标注对象	142
4.1.3  数据标注流程	143
4.1.4  数据标注工具	144
4.1.5  数据标注方法	146
4.1.6  Label Studio标注平台环境搭建	147
任务4.2  工业芯片缺陷图像数据标注	150
4.2.1  图像数据标注定义	151
4.2.2  图像数据标注应用场景	151
4.2.3  图像数据标注方法	152
4.2.4  图像数据标注质量控制	155
4.2.5  图像数据标注实战	158
任务4.3  交通视频数据标注	168
4.3.1  视频目标跟踪标注定义	169
4.3.2  视频目标跟踪标注应用场景	170
4.3.3  视频目标跟踪标注类型	172
4.3.4  视频目标跟踪标注规则	173
4.3.5  视频数据标注实战	174
任务4.4  中文语音数据标注	183
4.4.1  语音识别定义	184
4.4.2  语音识别标注应用场景	185
4.4.3  中文语音识别标注方法	186
4.4.4  语音数据标注实战	189
任务4.5  情绪分析文本数据标注	196
4.5.1  文本情绪识别定义	197
4.5.2  文本情绪识别标注应用场景	197
4.5.3  文本情绪识别标注方法	199
4.5.4  文本数据标注实战	202
项目5  数据可视化	209
任务5.1  Matplotlib数据可视化	210
5.1.1  需求分析	211
5.1.2  数据处理	211
5.1.3  可视化设计	212
5.1.4  方案实施与优化	215
5.1.5  Matplotlib绘图库简介	216
5.1.6  Matplotlib数据可视化实战	218
任务5.2  Seaborn数据可视化	229
5.2.1  Seaborn基础简介	230
5.2.2  高级绘图功能	232
5.2.3  自定义与样式调整	233
5.2.4  Seaborn数据可视化实战	235
任务5.3  Pyecharts数据可视化	247
5.3.1  Pyecharts基础简介	248
5.3.2  Pyecharts亮点	250
5.3.3  Pyecharts功能介绍	251
5.3.4  Pyecharts高级功能	252
5.3.5  Pyecharts数据可视化实战	254

无随着以大模型为代表的生成式人工智能技术席卷全球，其对人类的生产和生活都带来了革命性的变化，人工智能的发展从以模型为中心转变为了以数据为中心。以数据为中心的人工智能理论认为，好的人工智能需要高质量、大规模和多样性的数据。同时，在新基建政策下，人工智能被列入国家重点建设领域。伴随着人工智能产业的发展，国内逐渐形成了以数据采集及标注为核心的基础数据服务行业。人工智能技术向落地应用阶段高速发展，将给基础数据服务行业格局带来重大变革。
一、教材编写背景
人工智能数据服务作为人工智能技术的重要组成部分，其重要性不言而喻。数据是人工智能的基石，高质量的数据是实现人工智能技术突破的关键。党的二十大报告强调，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。这为人工智能数据服务的发展指明了方向，也对人才培养提出了更高的要求。然而，高质量的数据并不是凭空产生的，它需要通过科学的方法进行采集、预处理、标注和分析。因此，培养具备这些技能的专业人才，显得尤为重要。
近年来，随着人工智能技术的快速发展，人工智能数据服务人才的需求也在不断增加。2020年2月，人力资源和社会保障部发布了人工智能训练师新职业，这标志着人工智能数据服务人才的培养已经上升到国家层面。然而，目前市场上缺乏系统化、专业化的教材，无法满足高职及职业本科院校的教学需求。因此，编写适合高职和职业本科学生的基础性强、可读性好、学生能快速入门且适合老师讲授的人工智能技术专业教材，显得尤为迫切。
二、教材编写目的
本书旨在为人工智能相关专业的学生提供一本系统、全面、实用的教材。通过学习，学生能够增强数据安全意识，提升数据分析思维，促进数字化创新与发展能力，树立正确的数字社会价值观和责任感。同时，本书还注重培养学生的团队意识和职业精神，使学生具备独立思考和主动探究能力，为学生职业能力的持续发展奠定基础。
三、教材编写特色
（1）对标职业化标准：教材内容设计对标职业化标准，满足人工智能数据处理、计算机视觉应用开发、人工智能深度学习工程应用等1+X职业技能等级证书的相关考核要点和能力要求，确保学生能够掌握行业所需的核心技能。
（2）技术先进、应用广泛：广东科学技术职业学院与深圳市越疆科技股份有限公司深入合作，教材内容优先选择技术先进、应用广泛、自主可控的软硬件平台、工具和项目案例，确保学生能够掌握最新的技术和方法。
（3）理实一体化设计：教材设计突出项目化、场景化，按项目场景的工作任务流程组织教材中模块的内容，注重数据特征工程的方法，质量对后续模型训练、应用开发的影响等方面的内涵式指导和讨论。
（4）课程思政要求：在应用场景、项目、数据集或采集对象的设计当中，考虑了蕴含思政元素的数据和场景，紧跟国际主流技术，与国际标准数据集对接，落实课程思政要求，突出职业教育特点。
四、教材内容概述
本书共分为五个项目，涵盖了人工智能数据服务的各个方面。
项目一：人工智能数据服务基础，介绍了人工智能数据服务的基本概念和重要性，以及数据治理的相关知识。
项目二：数据采集，详细讲解了网络数据采集、端侧数据采集，以及数据存储与加载的方法和技术。
项目三：数据处理，涵盖了图像、文本、语音数据处理，以及数据增广和特征工程等内容。
项目四：数据标注与质量，介绍了数据标注工具和方法，图像、视频、语音和文本数据标注的实践任务。
项目五：数据可视化，讲解了Matplotlib、Seaborn和Pyecharts等工具在数据可视化中的应用。
五、教材适用对象
本书适用于人工智能技术应用、人工智能工程技术等相关专业的学生，同时也适合作为相关领域的培训教材。教材内容设计合理，既有理论讲解，又有实践操作，适合不同层次的学习者。
六、教材使用建议
在使用本书时，建议教师结合实际教学情况，灵活安排教学内容和进度。同时，鼓励学生积极参与课堂讨论和实践操作，通过不断的练习和思考，提升自身的专业技能和综合素质。本书提供配套立体化教材资源，读者可以登录华信教育资源网（http://www.hxedu.com.cn）免费注册后下载。本书提供教材资源文件，读者可以加入教材专属QQ群：897346074。
七、结语
人工智能技术的发展离不开数据服务的支持，而数据服务的实现则需要高素质的专业人才。希望通过本书的学习，能够为学生提供一个全面、系统的学习平台，帮助他们掌握人工智能数据服务的相关知识和技能，为未来的职业生涯打下坚实的基础。
最后，感谢所有参与教材编写和审校的专家和老师，他们的辛勤工作为本书的出版提供了宝贵的支持。同时，也感谢广大读者对本书的关注和支持，希望本书能够成为大家学习人工智能数据服务的良师益友。

《人工智能数据服务》教材编写组

杨忠明主要教学工作经历：1.在高等院校从教16年，有9年本科院校、7年高职院校工作经历，2019年起担任计算机学院副院长。2.从事智能算法研究、软件开发、信息安全方面研究工作，承担人工智能应用导论、IT 新技术、程序设计基础等多门专业课程教学，负责《人工智能应用导论》课程建设工作。3.做为核心成员参与国家级软件技术高水平专业群、首批国家职业教育教学创新团队等建设工作。4.担任中国计算机学会职业教育发展委员会委员。教材编写经历及主要成果：1.主编《人工智能应用导论》课程思政特色教材，该教材自2019 年10月出版以来，累计印刷7次，出版发行 17800 册。2.以《人工智能应用导论》教材为基础开发了精品在线课程入选2021 年教育部课程思政示范课。主要研究成果：1.主持编制 2021 年版人工智能技术应用专业国家教学标准。2.主持 2018 年广东省教育厅教育教学改革研究项目"基于大数据的高职人才分类精准培养创新与实践一-以大数据与人工智能专业群为例”，发表教改论文 4 篇。3.承担 2018 年广东省重大科技专项"面向智慧教育的音视频图像智能分析关键技术及其示范应用”等 10 余项项目，发表论文15篇。

本书配套资源下载

对不起，暂无音视频资源！