本教材较为全面地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。全书分为4篇，共12个项目，包括了解数据采集、了解网络数据采集、了解端侧数据采集、数据存储与加载、了解数据处理、图像数据处理、文本数据处理、了解数据标注、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等内容。本教材以企业用人需求为导向、以岗位技能和综合素质为核心，通过理论与实战相结合的方式组织内容，以培养能够根据项目需求完成数据的采集、处理、标注等的人才。
本教材可用于1+X证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（初级）的教学和培训，也适合作为中等职业学校、高等职业院校、应用型本科院校人工智能相关专业的教材，还适合作为需补充学习深度学习应用开发知识的技术人员的参考用书。

第1篇 数据采集
项目1 了解数据采集
项目描述
知识准备
1.1 大数据
1.1.1 数据来源
1.1.2 数据类型
1.2 数据采集
1.2.1 数据采集的三大要求
1.2.2 数据采集方式
1.3 数据采集的应用行业
项目实施 “石头剪刀布”图像数据采集
1.4 实施思路
1.5 实施步骤
知识拓展
课后实训
项目2 了解网络数据采集
项目描述
知识准备
2.1 网络爬虫的原理及流程
2.2 网页结构：HTML
2.3 第三方库：BeautifulSoup
项目实施 爬取“石头剪刀布”静态页面数据
2.4 实施思路
2.5 实施步骤
知识拓展
2.6 urllib
2.7 requests
课后实训
项目3 了解端侧数据采集
项目描述
知识准备
3.1 端侧数据采集概述
3.1.1 数据采集系统
3.1.2 数字输入/输出模块
3.1.3 模拟输入/输出模块
3.1.4 数据采集卡
3.2 数据采集端侧设备
3.2.1 图像采集设备：CCD传感器与CMOS传感器
3.2.2 音频采集设备：麦克风
3.3 端侧数据采集方式
3.3.1 图像采集
3.3.2 语音采集
3.4 EasyData智能数据服务平台
项目实施 视频抽帧数据采集
3.5 实施思路
3.6 实施步骤
知识拓展
课后实训
项目4 数据存储与加载
项目描述
知识准备
4.1 数据编码
4.1.1 图像编码
……
第2篇 数据处理
第3篇 数据标注
第4篇 深度学习应用实战