顶部
收藏

人工智能通识教程(理论篇)


作者:
主编 张广渊 副主编 付晨 杨光 朱振方 郭长友 李克峰
定价:
49.90元
ISBN:
978-7-04-065623-7
版面字数:
390.00千字
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:
2025-09-25
物料号:
65623-00
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机基础课程
三级分类:
大学计算机基础

本书聚焦人工智能的核心概念与发展脉络,构建完整知识地图。本书共包含8章,第1~3章系统阐述人工智能的定义、分类和研究范式,详解机器学习、深度学习等关键技术原理;第4章重点介绍了人工智能技术中数据的处理和应用;第5~7章则介绍了计算机视觉、自然语言处理、智能机器人等前沿应用;第8章重点探讨人工智能伦理并展望了人工智能技术未来的发展趋势。

本书配套资源丰富,包括国家级一流课程“人工智能基础”(课程负责人:张广渊,课程平台:智慧树)、PPT、习题等,读者可通过作者邮箱(xdzhanggy@163.com)或高等教育出版社新形态教材网获取。

本书既可作为高等院校非计算机专业的人工智能通识课程教材,也可作为计算机类相关专业的人工智能引论课程教材。

  • 前辅文
  • 第1章 人工智能概述
    • 【案例导入】学习人工智能:从围棋到改变世界的钥匙
    • 1.1 人工智能的基本概念
      • 1.1.1 人脑智能与智能的定义
      • 1.1.2 人工智能概念的探讨与定义
      • 1.1.3 人工智能的分类
      • 1.1.4 人工智能中的“奇点”
      • 1.1.5 人工智能的现状与展望
    • 1.2 人工智能的发展历史
      • 1.2.1 人工智能的早期起源与理论奠基
      • 1.2.2 人工智能的正式确立与第一阶段
      • 1.2.3 第二阶段:繁荣与低谷
      • 1.2.4 第三阶段:复苏与爆发
    • 1.3 人工智能的研究范式
      • 1.3.1 符号主义:逻辑推理的基石
      • 1.3.2 联结主义:神经网络的崛起
      • 1.3.3 行为主义:智能的进化之路
      • 1.3.4 三大范式的对比与融合
      • 1.3.5 未来展望:从飞行器类比到AI新道路
    • 1.4 人工智能的应用领域
    • 1.5 人工智能的发展趋势
    • 1.6 小结
  • 第2章 机器学习入门
    • 【案例导入】机器学习:从支付宝芝麻信用到数字生活新引擎
    • 2.1 分类的概念
    • 2.2 向量的基本运算
    • 2.3 分类器
    • 2.4 分类识别技术
      • 2.4.1 感知机
      • 2.4.2 梯度下降法和SVM
      • 2.4.3 测试
      • 2.4.4 分类实现
      • 2.4.5 多分类识别
    • 2.5 回归
      • 2.5.1 回归的概念
      • 2.5.2 线性回归
    • 2.6 聚类
      • 2.6.1 聚类的概念
      • 2.6.2 K均值聚类算法
      • 2.6.3 层次聚类算法
      • 2.6.4 相似度计算
    • 2.7 机器学习算法介绍
      • 2.7.1 机器学习的类别
      • 2.7.2 变量之间的关系
      • 2.7.3 逻辑回归
    • 2.8 强化学习
      • 2.8.1 强化学习的概念和特点
      • 2.8.2 强化学习的基础原理
      • 2.8.3 强化学习的典型应用场景
      • 2.8.4 典型强化学习算法
    • 2.9 小结
  • 第3章 神经网络与深度学习
    • 【案例导入】深度学习:从抖音“爆款推荐”到解码注意力密码
    • 3.1 生物神经网络
    • 3.2 人工神经网络介绍
    • 3.3 人工神经网络的发展历史
    • 3.4 多层感知机
      • 3.4.1 逻辑运算
      • 3.4.2 多层感知机模型
    • 3.5 多层神经网络
      • 3.5.1 多层神经网络
      • 3.5.2 反向传播算法
    • 3.6 深度学习入门
      • 3.6.1 深度学习基本概念
      • 3.6.2 深度学习常用模型
      • 3.6.3 深度学习的特点
    • 3.7 生成式人工智能
      • 3.7.1 生成式人工智能概述
      • 3.7.2 ChatGPT
      • 3.7.3 DeepSeek
      • 3.7.4 大模型时代的应对与挑战
    • 3.8 小结
  • 第4章 数据处理技术
    • 【案例导入】数据处理:从滴滴“城市大脑”到重构出行效率
    • 4.1 数据处理的概念与背景
      • 4.1.1 数据处理的概念
      • 4.1.2 数据处理的背景
    • 4.2 数据处理技术基础
      • 4.2.1 数据采集
      • 4.2.2 外部数据文件读取
      • 4.2.3 数据清洗
      • 4.2.4 数据集成
      • 4.2.5 数据转换
      • 4.2.6 数据规约
      • 4.2.7 数据可视化
    • 4.3 大数据处理
      • 4.3.1 大数据的定义和特征
      • 4.3.2 大数据处理流程
      • 4.3.3 大数据关键技术
      • 4.3.4 大数据计算模式
      • 4.3.5 大数据的应用
    • 4.4 数据分析基础
      • 4.4.1 数据分布性分析
      • 4.4.2 数据相关性分析
      • 4.4.3 数据主成分分析
    • 4.5 小结
  • 第5章 图像信息处理与计算机视觉
    • 【案例导入】图像信息处理与计算机视觉:从抖音“AI特效”到解码视觉狂欢
    • 5.1 图像采集及处理发展历史
      • 5.1.1 成像原理
      • 5.1.2 图像采集发展历史
    • 5.2 图像信息处理的基本概念
      • 5.2.1 图像信息处理的分类
      • 5.2.2 图像的分类
      • 5.2.3 图像的数字化
    • 5.3 数字图像处理
      • 5.3.1 图像的基本运算
      • 5.3.2 图像增强
      • 5.3.3 图像分割
      • 5.3.4 图像压缩
    • 5.4 数字图像分析
      • 5.4.1 梯度
      • 5.4.2 梯度直方图
      • 5.4.3 HOG特征
      • 5.4.4 SIFT特征
    • 5.5 视频分析
      • 5.5.1 视频的概念
      • 5.5.2 运动检测
    • 5.6 计算机视觉
    • 5.7 卷积神经网络
      • 5.7.1 卷积
      • 5.7.2 卷积层
      • 5.7.3 池化层
      • 5.7.4 AlexNet
    • 5.8 小结
  • 第6章 自然语言处理
    • 【案例导入】自然语言处理:从支付宝“智能客服”到重构对话革命
    • 6.1 自然语言处理基本概念及发展
    • 6.2 自然语言处理典型应用
    • 6.3 自然语言处理基本技术
      • 6.3.1 词汇分析
      • 6.3.2 句法分析
      • 6.3.3 语用分析
    • 6.4 自然语言特征提取
      • 6.4.1 词袋模型
      • 6.4.2 N-Gram模型
      • 6.4.3 Word2Vec模型
      • 6.4.4 循环神经网络
      • 6.4.5 Transformer模型
      • 6.4.6 BERT模型
    • 6.5 自然语言处理应用举例
      • 6.5.1 情感分析
      • 6.5.2 自动摘要
    • 6.6 小结
  • 第7章 智能机器人
    • 【案例导入】智能机器人:从京东智能仓储到重构物流自动化
    • 7.1 机器人的定义
      • 7.1.1 机器人的定义
      • 7.1.2 机器人三定律
    • 7.2 机器人发展历程
      • 7.2.1 古代机器人
      • 7.2.2 现代机器人
    • 7.3 机器人关键技术
      • 7.3.1 运动系统
      • 7.3.2 感知系统
      • 7.3.3 导航与路径规划
    • 7.4 机器人应用
      • 7.4.1 工业机器人
      • 7.4.2 服务机器人
      • 7.4.3 特种机器人
    • 7.5 小结
  • 第8章 人工智能伦理与未来
    • 【案例导入】人工智能伦理与未来:从杭州“人脸识别第一案”到重构技术文明的边界
    • 8.1 人工智能伦理
      • 8.1.1 人工智能伦理的概念
      • 8.1.2 人工智能伦理典型问题
      • 8.1.3 人工智能在不同领域的伦理挑战
    • 8.2 人工智能相关的法律法规
      • 8.2.1 欧盟的人工智能伦理治理
      • 8.2.2 美国的人工智能伦理治理
      • 8.2.3 中国的人工智能伦理治理
    • 8.3 人工智能未来展望
      • 8.3.1 人工智能技术的发展趋势
      • 8.3.2 人工智能应用的发展趋势
      • 8.3.3 人工智能对社会的影响
    • 8.4 小结
  • 参考文献

相关图书