顶部
收藏

人工智能通识教程


作者:
主编 陈璞花 焦李成 副主编 李硕 毛莎莎 李阳 李玲玲
定价:
45.00元
ISBN:
978-7-04-065447-9
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:
2025-08-25
物料号:
65447-00
读者对象:
高等教育

本书是一本面向本科低年级学生的人工智能通识教材,旨在培养学生的跨学科视野和人工智能素养。全书以基础性、全面性和先进性为原则,主要内容包括人工智能的前世今生、生物智能与人工智能、计算思维与机器学习、深度学习基础、智能搜索求解问题、自然语言处理、计算机视觉、人工智能大模型与AIGC、虚拟现实与数字人、人机融合与具身智能。

本书注重思维引导与兴趣激发,通过案例辅助理解,强调逻辑性与批判性思维的培养。配套数字化教学资源丰富,适合作为高等学校通识课程教材,助力学生成为兼具技术认知与人文关怀的复合型人才。

  • 前辅文
  • 第1章 人工智能的前世今生
    • 1.1 跌宕起伏的发展之路
      • 1.1.1 人工智能发展简史
      • 1.1.2 人工智能三大学派
      • 1.1.3 挑战和未来展望
    • 1.2 发展要素及时代特征
      • 1.2.1 发展要素
      • 1.2.2 时代特征
    • 1.3 人工智能的伦理及法律问题
      • 1.3.1 人工智能伦理困境
      • 1.3.2 人工智能法律问题
      • 1.3.3 相关政策法规
    • 习题
  • 第2章 生物智能与人工智能
    • 2.1 智能感知
    • 2.2 智能认知
    • 2.3 智能决策
    • 2.4 群体智能
    • 习题
  • 第3章 计算思维与机器学习
    • 3.1 概述
    • 3.2 计算思维
      • 3.2.1 计算的本质
      • 3.2.2 计算思维的定义
      • 3.2.3 计算思维的特征
    • 3.3 机器学习
      • 3.3.1 监督学习
      • 3.3.2 无监督学习
      • 3.3.3 自监督学习
      • 3.3.4 强化学习
    • 习题
  • 第4章 深度学习基础
    • 4.1 概述
    • 4.2 生物神经元与人工神经元
    • 4.3 基础网络结构与学习策略
      • 4.3.1 前馈神经网络与反馈神经网络
      • 4.3.2 梯度下降算法
      • 4.3.3 误差反向传播算法
    • 4.4 典型深度网络模型
      • 4.4.1 卷积神经网络
      • 4.4.2 循环神经网络
      • 4.4.3 生成对抗网络
      • 4.4.4 Transformer网络
    • 习题
  • 第5章 智能搜索求解问题
    • 5.1 概述
    • 5.2 盲目搜索与启发式搜索
      • 5.2.1 盲目搜索
      • 5.2.2 启发式搜索
    • 5.3 机器博弈搜索
      • 5.3.1 博弈树搜索
      • 5.3.2 蒙特卡洛树搜索
    • 5.4 群智能搜索
      • 5.4.1 遗传算法
      • 5.4.2 粒子群优化算法
    • 习题
  • 第6章 自然语言处理
    • 6.1 概述
    • 6.2 自然语言处理基础
      • 6.2.1 自然语言获取与表示
      • 6.2.2 文本预处理技术
    • 6.3 自然语言处理典型任务
      • 6.3.1 机器翻译
      • 6.3.2 文本信息抽取
      • 6.3.3 文本摘要提取
      • 6.3.4 智能问答
    • 6.4 应用案例分析
      • 6.4.1 智能语音助手中的自然语言处理技术
      • 6.4.2 搜索引擎中的自然语言处理技术
      • 6.4.3 自然语言处理伦理与法律案例
    • 习题
  • 第7章 计算机视觉
    • 7.1 概述
    • 7.2 计算机视觉基础
      • 7.2.1 视觉传感与表示
      • 7.2.2 视觉感知与认知
      • 7.2.3 图像预处理技术
    • 7.3 计算机视觉典型任务
      • 7.3.1 图像分类识别
      • 7.3.2 图像语义分割
      • 7.3.3 图像目标检测
      • 7.3.4 视频目标跟踪
      • 7.3.5 图像描述
      • 7.3.6 图像生成
    • 7.4 应用案例分析
      • 7.4.1 自动驾驶中的计算机视觉技术
      • 7.4.2 城市遥感中的计算机视觉技术
      • 7.4.3 计算机视觉伦理与法律案例
    • 习题
  • 第8章 人工智能大模型与AIGC
    • 8.1 概述
    • 8.2 大模型核心技术
      • 8.2.1 数据工程
      • 8.2.2 模型架构
      • 8.2.3 训练策略
      • 8.2.4 硬件支撑
    • 8.3 基于大模型的AIGC任务
      • 8.3.1 文本内容生成
      • 8.3.2 图像内容生成
      • 8.3.3 多模态内容生成
    • 8.4 案例分析
      • 8.4.1 DeepSeek:面向高效推理的通用语言模型
      • 8.4.2 GitHub Copilot:AI辅助编程的范式转变
      • 8.4.3 大模型与AIGC的技术风险与解决方案
    • 习题
  • 第9章 虚拟现实与数字人
    • 9.1 概述
    • 9.2 虚拟现实核心技术
      • 9.2.1 虚拟现实硬件设备
      • 9.2.2 虚拟现实软件技术
    • 9.3 数字人核心技术
      • 9.3.1 建模技术
      • 9.3.2 驱动技术
      • 9.3.3 渲染技术
    • 9.4 应用案例分析
      • 9.4.1 《万象敦煌——秘宝与黄沙》:VR沉浸式体验千年丝路传奇
      • 9.4.2 数字主持人:数字浪潮下的传播革命
      • 9.4.3 虚拟现实与数字人的技术风险及解决路径
    • 习题
  • 第10章 人机融合与具身智能
    • 10.1 概述
    • 10.2 人机融合关键技术
      • 10.2.1 感知层技术
      • 10.2.2 决策层技术
      • 10.2.3 执行层技术
      • 10.2.4 通信层技术
    • 10.3 具身智能核心技术
      • 10.3.1 具身感知
      • 10.3.2 具身决策
      • 10.3.3 具身执行
      • 10.3.4 具身形态
      • 10.3.5 具身仿真
    • 10.4 应用案例分析
      • 10.4.1 强脑科技:人机融合开启生命更多可能性
      • 10.4.2 宇树科技:具身智能新物种进化永无止境
      • 10.4.3 人机融合与具身智能的技术风险与解决方案
    • 习题
  • 参考文献

相关图书


相关数字化产品