顶部
收藏

人工智能通识与数字素养


作者:
主编 宋伟 王军锋 副主编 刘钺 李钝 赵丹 编者 郎博 刘冰 翟震 李海霞
定价:
58.00元
ISBN:
978-7-04-065667-1
版面字数:
490.00千字
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:
2025-09-08
物料号:
65667-00
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类

本书以人工智能技术发展脉络为引导,精心编排9章,构建起“基础理论—核心技术—前沿应用”的知识体系,揭示人工智能赋能数字时代的底层逻辑与未来图景。从计算机概述与人工智能概论讲起,逐步深入数据、算法、机器学习与神经网络等核心理论,为读者筑牢知识根基;自然语言处理、计算机视觉章节结合丰富案例,生动解析人工智能感知与理解世界的技术路径;具身智能与机器人章节以前瞻视角探索智能体与实体世界的交互新范式;深度学习与大模型章节深度阐释生成式人工智能的架构创新与应用变革。旨在帮助读者系统掌握人工智能的核心知识,培养计算思维与创新能力,同时引导读者树立正确的技术伦理观,成长为适应智能时代需求的新型人才。

本书可作为高等学校非计算机专业人工智能通识课程的教材,也可供对人工智能感兴趣的读者阅读。

  • 前辅文
  • 第1章 计算机概述
    • 1.1 计算机的定义与发展
      • 1.1.1 计算机的定义
      • 1.1.2 计算机的发展历史
      • 1.1.3 计算机的分类
    • 1.2 计算机的基本组成
      • 1.2.1 硬件系统
      • 1.2.2 软件系统
    • 1.3 计算机的工作原理
    • 1.4 信息编码与表示
      • 1.4.1 数制及其转换
      • 1.4.2 二进制数值在机内表示
      • 1.4.3 数据的存储单位
      • 1.4.4 字符编码
    • 1.5 计算机网络基础
      • 1.5.1 计算机网络的定义与分类
      • 1.5.2 网络拓扑结构
      • 1.5.3 网络协议与模型
      • 1.5.4 互联网与万维网
      • 1.5.5 IP地址与域名
      • 1.5.6 电子邮件
    • 习题
  • 第2章 人工智能概论
    • 2.1 人工智能概念
    • 2.2 人工智能的起源与发展
      • 2.2.1 图灵机模型
      • 2.2.2 智能机器
      • 2.2.3 图灵测试
      • 2.2.4 人工智能发展的流派
      • 2.2.5 人工智能的发展
    • 2.3 人工智能应用领域
      • 2.3.1 模式识别
      • 2.3.2 自动定理证明
      • 2.3.3 博弈
      • 2.3.4 计算机视觉
      • 2.3.5 自然语言处理与大模型
      • 2.3.6 智能体
      • 2.3.7 机器人、自动驾驶和具身智能
      • 2.3.8 脑机接口
      • 2.3.9 蛋白质预测
      • 2.3.10 AI化学家
    • 2.4 人工智能与社会架构革新
      • 2.4.1 社会结构变革
      • 2.4.2 日常生活
      • 2.4.3 社会治理
    • 2.5 人工智能伦理与法律
      • 2.5.1 人工智能伦理
      • 2.5.2 人工智能法律监管
    • 2.6 人工智能演进方向
      • 2.6.1 人工智能的演进
      • 2.6.2 人工智能的当前状态
      • 2.6.3 未来人工智能技术
    • 习题
  • 第3章 数据
    • 3.1 数据概述
      • 3.1.1 数据的概念
      • 3.1.2 数据的分类
      • 3.1.3 数据的获取
      • 3.1.4 数据的存储
    • 3.2 数据库及分类
    • 3.3 数据库技术的发展
    • 3.4 关系型数据库
      • 3.4.1 实体-关系图
      • 3.4.2 关系与关系运算
      • 3.4.3 关系型数据的操作
    • 3.5 非关系型数据库
      • 3.5.1 NoSQL数据库操作
      • 3.5.2 NoSQL与SQL数据库
    • 3.6 小数据与大数据
      • 3.6.1 小数据
      • 3.6.2 大数据
      • 3.6.3 小数据与大数据比较
      • 3.6.4 数据安全
      • 3.6.5 数据的未来
    • 3.7 数据可视化
      • 3.7.1 数据可视化的发展
      • 3.7.2 数据可视化意义与分类
      • 3.7.3 数据可视化方法
    • 3.8 知识图谱
    • 习题
  • 第4章 算法基础
    • 4.1 算法与计算
      • 4.1.1 算法的概念
      • 4.1.2 计算、自动计算与智能计算
    • 4.2 算法的性质
    • 4.3 设计算法的原则
    • 4.4 算法复杂度
      • 4.4.1 算法的时间复杂度
      • 4.4.2 算法的空间复杂度
    • 4.5 算法的描述
    • 4.6 算法的三种基本结构
    • 4.7 算法策略
      • 4.7.1 枚举法
      • 4.7.2 递推法
      • 4.7.3 递归法
      • 4.7.4 分治法
      • 4.7.5 贪心算法
      • 4.7.6 动态规划
      • 4.7.7 分支定界
      • 4.7.8 启发式算法
    • 4.8 常见问题的算法
      • 4.8.1 累加、连乘、统计算法
      • 4.8.2 求最大值和最小值算法
      • 4.8.3 排序
      • 4.8.4 查找与搜索
    • 习题
  • 第5章 机器学习与神经网络
    • 5.1 机器学习概述
      • 5.1.1 机器学习的概念
      • 5.1.2 机器学习的步骤
      • 5.1.3 机器学习的分类
      • 5.1.4 机器学习的方式
      • 5.1.5 机器学习的算法
    • 5.2 神经网络
      • 5.2.1 神经网络的分类
      • 5.2.2 神经网络的结构
      • 5.2.3 多层神经网络
    • 5.3 BP神经网络
    • 5.4 经典的神经网络
    • 习题
  • 第6章 自然语言处理
    • 6.1 自然语言处理的概述
      • 6.1.1 自然语言处理的概念
      • 6.1.2 自然语言处理的发展
      • 6.1.3 自然语言处理的原理
      • 6.1.4 自然语言处理的研究内容
      • 6.1.5 应用领域
    • 6.2 自然语言处理技术
      • 6.2.1 词法分析
      • 6.2.2 句法分析
      • 6.2.3 语义分析
      • 6.2.4 文本分析
      • 6.2.5 文本生成
      • 6.2.6 语音识别与合成
    • 6.3 自然语言处理应用
      • 6.3.1 机器翻译
      • 6.3.2 问答系统
      • 6.3.3 自动摘要
    • 习题
  • 第7章 计算机视觉
    • 7.1 计算机视觉的定义与分类
      • 7.1.1 计算机视觉的定义
      • 7.1.2 计算机视觉的分类
    • 7.2 计算机视觉的形成
    • 7.3 图像识别与处理
      • 7.3.1 图像识别处理基础
      • 7.3.2 光学字符识别技术
      • 7.3.3 人脸识别技术
      • 7.3.4 物体分类技术
    • 7.4 空间智能
      • 7.4.1 空间智能的定义与内涵
      • 7.4.2 空间智能的关键技术
    • 7.5 虚拟现实(VR)和增强现实(AR)
      • 7.5.1 虚拟现实
      • 7.5.2 增强现实
    • 7.6 数字人和元宇宙
      • 7.6.1 数字人
      • 7.6.2 元宇宙
    • 习题
  • 第8章 具身智能与机器人
    • 8.1 具身智能概述
      • 8.1.1 具身智能的演进
      • 8.1.2 具身智能的关键技术
      • 8.1.3 具身智能在多领域的创新应用
      • 8.1.4 具身智能对人工智能的深远影响
    • 8.2 机器人技术
      • 8.2.1 机器人基础知识
      • 8.2.2 机器人控制系统
      • 8.2.3 机器人视觉系统
      • 8.2.4 机器人路径规划与运动控制
      • 8.2.5 空间智能与机器人的融合
    • 8.3 脑机接口
      • 8.3.1 人机接口与脑机接口
      • 8.3.2 脑机接口关键技术
      • 8.3.3 脑机接口应用领域
    • 8.4 可穿戴技术
      • 8.4.1 可穿戴技术演进与定义
      • 8.4.2 可穿戴关键技术
      • 8.4.3 可穿戴设备应用领域
    • 习题
  • 第9章 深度学习与大模型
    • 9.1 深度学习基础
      • 9.1.1 定义
      • 9.1.2 特点
      • 9.1.3 历史与发展
      • 9.1.4 深度学习的基本原理
      • 9.1.5 深度学习的应用领域
    • 9.2 Transformer原理与应用
      • 9.2.1 基本架构
      • 9.2.2 工作原理
      • 9.2.3 应用案例
    • 9.3 算力
      • 9.3.1 算力概念
      • 9.3.2 算力分类
      • 9.3.3 智能算力
      • 9.3.4 算力网络
      • 9.3.5 量子计算
    • 9.4 大模型
      • 9.4.1 大模型概述
      • 9.4.2 大模型训练
      • 9.4.3 生成式人工智能
      • 9.4.4 智能体
      • 9.4.5 DeepSeek本地部署
    • 习题
  • 参考文献

相关图书