顶部
收藏

人工智能导论


作者:
主编 王威 邓泽林 副主编 曹嵘晖 王新 彭鑫 赵阳洋
定价:
47.00元
ISBN:
978-7-04-064638-2
版面字数:
360.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-06-30
物料号:
64638-00
读者对象:
高等教育

本书是为人工智能通识课编写的教材,目标是让学生掌握计算机基础知识,熟悉人工智能的基本概念、主要模型,提高人工智能的应用能力。

本书以人工智能的知识及实践为主线,重点讲解Python程序设计、人工智能概念、深度学习环境配置、人工智能应用等。本书主要内容包括计算机系统、Python程序设计、人工智能概述、神经网络与深度学习、深度学习环境与实践、大语言模型、自然语言处理、AI辅助PPT制作、AI大模型进阶,并通过文本内容生成、翻译、编辑与校对、PPT生成、代码生成、数学建模、图像生成、视频生成等任务来引导学生深度学习当前主流的大模型,提高学生人工智能应用的能力。

本书可作为高等学校人工智能通识课教材,也可供对人工智能技术感兴趣的读者参考。

  • 前辅文
  • 第1章 计算机系统
    • 1.1 计算机系统的组成与特点
    • 1.2 硬件系统
      • 1.2.1 中央处理器
      • 1.2.2 图形处理单预
      • 1.2.3 内存储器
      • 1.2.4 输入输出控制系统
      • 1.2.5 外部设备
    • 1.3 软件系统
      • 1.3.1 系统软件
      • 1.3.2 应用软件
    • 1.4 计算机的工作原理
      • 1.4.1 存储程序
      • 1.4.2 程序控制
      • 1.4.3 指令执行
      • 1.4.4 各部件协同工作
    • 1.5 应用领域
      • 1.5.1 科学计算
      • 1.5.2 数据处理
      • 1.5.3 过程控制
      • 1.5.4 人工智能
    • 1.6 发展趋势
    • 1.7 本章小结
    • 习题
  • 第2章 Python程序设计
    • 2.1 Python简介
      • 2.1.1 发展历程
      • 2.1.2 语言特点
      • 2.1.3 应用领域
    • 2.2 环境安装
      • 2.2.1 软件下载
      • 2.2.2 软件安装
      • 2.2.3 环境测试
    • 2.3 Python编程基础
      • 2.3.1 变量
      • 2.3.2 运算符
      • 2.3.3 输入输出
      • 2.3.4 条件语句
      • 2.3.5 循环语句
      • 2.3.6 嵌套循环
      • 2.3.7 循环中断语句
      • 2.3.8 数据
      • 2.3.9 字符串
      • 2.3.10 列表
      • 2.3.11 元组
      • 2.3.12 字典
      • 2.3.13 函数
      • 2.3.14 模块
    • 2.4 Python实践
      • 2.4.1 电商数据可视化
      • 2.4.2 图像处理
    • 2.5 本章小结
    • 习题
  • 第3章 人工智能概述
    • 3.1 人工智能基础
      • 3.1.1 基本概念及主窑特点
      • 3.1.2 技术分支
      • 3.1.3 应用领域
    • 3.2 人工智能学派
      • 3.2.1 符号主义
      • 3.2.2 连接主义
      • 3.2.3 行为主义
      • 3.2.4 学派之间的关系与融合
    • 3.3 人工智能发展历史
      • 3.3.1 萌芽阶段
      • 3.3.2 第一次繁荣期与低谷阶段
      • 3.3.3 复苏与成长阶段
      • 3.3.4 现代化与快速发展阶段
    • 3.4 人工智能发展趋势
      • 3.4.1 技术创新与突破
      • 3.4.2 跨领域融合与应用
      • 3.4.3 人机协同与共生
      • 3.4.4 伦理规范与可持续发展
    • 3.5 本章小结
    • 习题
  • 第4章 神经网络与深度学习
    • 4.1 神经网络简介
      • 4.1.1 神经网络发展历程
      • 4.1.2 神经预
      • 4.1.3 前馈神经网络
      • 4.1.4 反馈神经网络
    • 4.2 深度学习
      • 4.2.1 深度学习发展历程
      • 4.2.2 循环神经网络
      • 4.2.3 Transformer
      • 4.2.4 卷积神经网络
      • 4.2.5 生成对抗网络
    • 4.3 深度学习应用
      • 4.3.1 图像识别
      • 4.3.2 自然语言处理
      • 4.3.3 图像生成
    • 4.4 本章小结
    • 习题
  • 第5章 深度学习环境与实践
    • 5.1 深度学习环境
      • 5.1.1 深度学习常用工具介绍
      • 5.1.2 安装Anaconda
      • 5.1.3 安装NVIDIA显卡驱动
      • 5.1.4 安装CUDA和cuDNN
      • 5.1.5 创建虚拟环境
    • 5.2 深度学习实践
      • 5.2.1 图像目标检测
      • 5.2.2 YOLO模型
      • 5.2.3 YOLO目标检测
      • 5.2.4 YOLO批量图像目标检测
    • 5.3 进阶应用实践
      • 5.3.1 图像风格转换
      • 5.3.2 换脸技术
    • 5.4 本章小结
    • 习题
  • 第6章 大语言模型
    • 6.1 大语言模型简介
      • 6.1.1 大语言模型的特点
      • 6.1.2 发展历程
      • 6.1.3 技术演进
      • 6.1.4 大模型分类
    • 6.2 关键技术原理
      • 6.2.1 扩展
      • 6.2.2 训练
      • 6.2.3 能力引导
      • 6.2.4 对齐微调
      • 6.2.5 工具操作
    • 6.3 LLM模型架构设计
      • 6.3.1 主流架构
      • 6.3.2 主要配置设置对性能的影响
      • 6.3.3 预训练任务
    • 6.4 大语言模型产品
      • 6.4.1 ChatGPT
      • 6.4.2 文心一言
      • 6.4.3 通义千问
      • 6.4.4 DeepSeek
      • 6.4.5 PaLM
      • 6.4.6 LLaMA
    • 6.5 大语言模型的挑战与未来方向
      • 6.5.1 LLM的挑战
      • 6.5.2 LLM的未来方向
    • 6.6 本章小结
    • 习题
  • 第7章 自然语言处理
    • 7.1 文本生成与创作
      • 7.1.1 高质量文本生成
      • 7.1.2 个性化内容创作
    • 7.2 文本翻译与转换
      • 7.2.1 语言翻译
      • 7.2.2 文本摘窑
      • 7.2.3 文本格式化
    • 7.3 文本编辑与校对
      • 7.3.1 语法纠错
      • 7.3.2 文本润色
      • 7.3.3 改写或仿写
    • 7.4 高质量文本个性化生成示例
      • 7.4.1 日常报告
      • 7.4.2 专业文稿
      • 7.4.3 新闻媒体
    • 7.5 ChatGPT功能介绍
      • 7.5.1 ChatGPT简易使用教程
      • 7.5.2 ChatGPT进阶功能使用教程
    • 7.6 DeepSeek功能介绍
      • 7.6.1 DeepSeek简易使用教程
      • 7.6.2 DeepSeek进阶功能使用教程
    • 7.7 本章小结
    • 习题
  • 第8章 AI辅助PPT制作
    • 8.1 大纲与主题
      • 8.1.1 形成PPT大纲
      • 8.1.2 确定PPT主题
    • 8.2 内容生成
      • 8.2.1 生成文本详细内容
      • 8.2.2 选择与调整
    • 8.3 内容导入与编辑
      • 8.3.1 PPT编辑
      • 8.3.2 编辑与美化
      • 8.3.3 素材添加
    • 8.4 预览与导出
      • 8.4.1 预览PPT
      • 8.4.2 导出PPT
    • 8.5 本章小结
    • 习题
  • 第9章 AI大模型进阶
    • 9.1 代码生成
      • 9.1.1 编程辅助
      • 9.1.2 自动代码审查与错误修复
      • 9.1.3 数据可视化
      • 9.1.4 自动化任务
    • 9.2 数学建模
      • 9.2.1 数学建模指令的编写
      • 9.2.2 数学建模的生成
    • 9.3 图像生成
      • 9.3.1 图像需求
      • 9.3.2 生成图像
      • 9.3.3 图像评估与导出
    • 9.4 视频生成
      • 9.4.1 规划与设计
      • 9.4.2 制作与编辑
      • 9.4.3 审查与发布
    • 9.5 本章小结
    • 习题
  • 参考文献
  • 附录 基于CPU深度学习环境的安装和配置

相关图书


相关数字化产品