顶部
收藏

人工智能基础


作者:
主编 李娟 陈爱萍 副主编 古秋婷 沈维燕 仓基云
定价:
46.00元
ISBN:
978-7-04-065842-2
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:
2025-10-10
物料号:
65842-00
读者对象:
高等教育

本书是为通识必修课“人工智能基础”编写的教材。

全书分为理论篇和实践篇两部分。理论篇主要内容包括:人工智能概览、Python程序设计基础、机器学习与深度学习、计算机视觉、自然语言处理、智能语音、生成式人工智能、人工智能伦理;实践篇包含14个实验项目,分别针对理论篇各章节内容,采用示例、图表和伪代码使概念形象化,鼓励学生动手实践,践行“知行合一”。通过循序渐进的实践项目贯穿始终,理论知识紧密服务于项目实现,快速提升学生解决实际AI问题的能力。体现了“在做中学”的教学理念,实现应用型人才培养“学以致用”的目标。

本书的宗旨不是培养让机器具有智能的专业人才,而是培养能驾驭AI去创新的高手。因此,本书适合高等学校面向全体学生开设的人工智能通识必修课,也适合任何有兴趣驾驭AI去创新的读者。

  • 前辅文
  • 理论篇
    • 第1章 人工智能概览
      • 1.1 无处不在的人工智能
        • 1.1.1 智能体
        • 1.1.2 生成式人工智能
      • 1.2 什么是人工智能
        • 1.2.1 人工智能的前世今生
        • 1.2.2 AI发展史上的三个主要分支
        • 1.2.3 关于人工智能的定义
      • 1.3 计算技术的发展概况
        • 1.3.1 机械计算时代(1946年以前)
        • 1.3.2 电子计算时代(1950—1980年)
        • 1.3.3 网络计算时代(1980—2020年)
        • 1.3.4 智能计算时代(2020年至今)
      • 1.4 人工智能的技术领域、应用领域和发展方向
        • 1.4.1 人工智能的主要技术领域
        • 1.4.2 人工智能的主要应用领域
        • 1.4.3 人工智能前沿技术的发展方向
      • 1.5 人工智能的风险、伦理与立法
        • 1.5.1 人工智能的风险
        • 1.5.2 保障人工智能安全的立法
      • 1.6 我国AI发展的困境与道路选择
        • 1.6.1 发展困境
        • 1.6.2 中国发展AI的道路选择
      • 1.7 对未来社会的预测
        • 1.7.1 利奥波德·阿申布雷纳的预测
        • 1.7.2 尼克·博斯特罗姆的预测
        • 1.7.3 ASI将人两极分化的预测
      • 1.8 AI对教育的挑战与应对
        • 1.8.1 AI对教育的挑战
        • 1.8.2 回归教育本质
      • 课后习题
    • 第2章 Python程序设计基础
      • 2.1 指令与程序
        • 2.1.1 指令与指令系统
        • 2.1.2 程序与程序设计语言
      • 2.2 程序设计语言的选择与编程环境
        • 2.2.1 程序设计语言的选择
        • 2.2.2 Python编程环境
      • 2.3 Python程序设计
        • 2.3.1 Python程序结构
        • 2.3.2 Python数据类型及其表示
        • 2.3.3 Python运算符与表达式
        • 2.3.4 Python数据的输入和输出
        • 2.3.5 Python字符串和列表运算
      • 2.4 问题描述、程序流程图及程序的控制结构
        • 2.4.1 问题描述
        • 2.4.2 程序流程图
        • 2.4.3 程序的控制结构
      • 2.5 计算思维与问题求解
        • 2.5.1 计算思维
        • 2.5.2 问题抽象
        • 2.5.3 数据结构与算法设计
        • 2.5.4 程序设计与调试
        • 2.5.5 代码复用:函数和库
      • 2.6 经典算法及其Python实现
        • 2.6.1 枚举算法
        • 2.6.2 贪心算法
        • 2.6.3 迭代算法
        • 2.6.4 递归算法
      • 课后习题
    • 第3章 机器学习与深度学习
      • 3.1 机器学习概述
        • 3.1.1 机器学习的定义
        • 3.1.2 机器学习的分类
        • 3.1.3 机器学习的常见算法
      • 3.2 深度学习主要流程
        • 3.2.1 数据与数据集
        • 3.2.2 数据预处理
        • 3.2.3 模型训练与测试
      • 3.3 深度学习常见模型
        • 3.3.1 卷积神经网络
        • 3.3.2 循环神经网络
        • 3.3.3 Transformer
        • 3.3.4 生成对抗网络
        • 3.3.5 深度强化学习
      • 3.4 典型深度学习的应用
        • 3.4.1 AI+工业
        • 3.4.2 AI+农业
        • 3.4.3 AI+医疗
        • 3.4.4 AI+食品
        • 3.4.5 AI+金融
        • 3.4.6 AI+教育
        • 3.4.7 AI+气象
      • 课后习题
    • 第4章 计算机视觉
      • 4.1 计算机视觉
        • 4.1.1 计算机视觉概念
        • 4.1.2 计算机视觉的发展历程
      • 4.2 图像理解
        • 4.2.1 图像数据处理
        • 4.2.2 图像分类:这是什么
        • 4.2.3 目标检测:TA在哪儿
        • 4.2.4 图像分割:怎么抠图
        • 4.2.5 图像恢复:如何翻新照片
        • 4.2.6 图像检索:如何搜同款
      • 4.3 视频理解
        • 4.3.1 视频数据处理
        • 4.3.2 视觉目标跟踪
        • 4.3.3 人体行为识别:你在做什么
        • 4.3.4 视频关键帧提取:5分钟看电影
      • 4.4 视觉多模态
        • 4.4.1 多模态数据类型
        • 4.4.2 异构视觉多模态融合:体感游戏
      • 课后习题
    • 第5章 自然语言处理
      • 5.1 自然语言处理技术
        • 5.1.1 什么是自然语言处理
        • 5.1.2 文本处理及应用(中文分词、文本表示)
        • 5.1.3 自然语言处理的发展
        • 5.1.4 典型的自然语言处理产品
      • 5.2 文本理解
        • 5.2.1 文本分类:文字的情感
        • 5.2.2 文本聚类:如何找热点
        • 5.2.3 文本摘要:怎么快速看文章
        • 5.2.4 信息提取:怎么生成词云
        • 5.2.5 智能问答
      • 5.3 机器翻译
        • 5.3.1 离线翻译:轻松读外文
        • 5.3.2 在线翻译:轻松出国游
      • 课后习题
    • 第6章 智能语音
      • 6.1 智能语音技术简介
        • 6.1.1 什么是智能语音
        • 6.1.2 智能语音发展历程
        • 6.1.3 常用智能语音产品
      • 6.2 语音信号与特征提取
        • 6.2.1 语音信号采集
        • 6.2.2 声音特征提取
      • 6.3 声纹识别与语音识别
        • 6.3.1 声纹识别:谁在说话?
        • 6.3.2 语音识别:快速生成会议记录
      • 6.4 语音合成
        • 6.4.1 文字转语音:怎么自动配音?
        • 6.4.2 AI声音克隆:怎么生成专属导航语音?
      • 6.5 智能语音交互案例:智能电话客服
      • 课后习题
    • 第7章 生成式人工智能
      • 7.1 AIGC的发展
        • 7.1.1 智能涌现
        • 7.1.2 AIGC领域分类
        • 7.1.3 国内大模型
      • 7.2 以文生文
        • 7.2.1 ChatGPT与LLaMA
        • 7.2.2 生成故事
        • 7.2.3 生成代码
      • 7.3 以文生图与以图生图
      • 7.4 以文生语音
      • 7.5 以文生视频及应用
      • 课后习题
    • 第8章 人工智能伦理
      • 8.1 人工智能伦理概述
        • 8.1.1 人工智能伦理发展简史
        • 8.1.2 人工智能引发的伦理风险
      • 8.2 数据与算法风险
        • 8.2.1 数据伦理风险
        • 8.2.2 算法伦理风险
      • 8.3 人工智能应用伦理风险
        • 8.3.1 机器人伦理
        • 8.3.2 自动驾驶伦理
        • 8.3.3 智能医疗伦理
      • 课后习题
  • 实践篇
    • 第9章 人工智能基础实践
      • 9.1 Python办公自动化:批量生成合同文档实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 作业提交
      • 9.2 Python办公自动化:批量自动化发送邮件实验
        • 实验目的
        • 实验环境
        • 相关说明
        • 实验步骤
        • 作业提交
      • 9.3 训练图像分类模型实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 拓展题——训练调优
        • 实验报告要求
        • 作业提交
      • 9.4 人物动作分类视频标注实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告要求
      • 9.5 文本情感分类标注实验
        • 实验目标
        • 实验设备与环境
        • 实验步骤
        • 标注一致性统计
        • 实验报告要求
      • 9.6 利用机器学习分析学生成绩影响因素实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告要求
        • 作业提交
      • 9.7 抖音用户浏览行为数据分析与挖掘实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告
        • 提交内容
      • 9.8 基于全唐诗文本挖掘分析实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告要求
      • 9.9 Python办公自动化:批量提取PDF数据至Excel实验
        • 实验目标
        • 实验环境
        • 实验步骤
        • 实验报告要求
        • 作业提交
      • 9.10 Python办公自动化:批量生成Excel案例数据集实验
        • 实验目标
        • 实验环境
        • 实验步骤
        • 实验报告要求
        • 作业提交
      • 9.11 图像分类标注实验手册
        • 实验目标
        • 实验环境
        • 实验内容与步骤
        • 报告撰写
      • 9.12 小鼠姿态估计标注实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告要求
      • 9.13 历史人物关系抽取标注实验
        • 实验目标
        • 实验设备与环境
        • 实验步骤
      • 9.14 空气污染状况数据分析实验
        • 实验目标
        • 实验准备
        • 实验步骤
        • 实验报告要求
        • 作业提交
  • 参考文献

相关图书


相关数字化产品