图书信息
图书目录
人工智能导论
本书以培养学生的系统思维、计算思维和自主学习能力为目标，使学生对人工智能相关知识、方法和技术形成系统认知，未来能够与人工智能专业人士良好合作，利用人工智能技术解决各专业领域中的问题。本书共分4篇12章，主要内容包括人工智能概述、人工智能基础理论、人工智能应用技术与伦理、人工智能应用案例。本书视角独特、内容精炼、深入浅出，适合作为高校非计算机类专业人工智能通识课程的教材。
作者：
主编 孙涵
定价：
30.30元
出版时间：
2025-08-06
ISBN：
978-7-04-065123-2
物料号：
65123-00
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
重点项目：
暂无
版面字数：
310.00千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
- 前辅文
- 第1篇 人工智能概述
- 第1章 概论
- 1.1 引言
- 1.2 人工智能相关概念及术语
- 1.3 人工智能发展简史
- 1.3.1 人工智能的诞生
- 1.3.2 第一阶段：推理期（logic reasoning）
- 1.3.3 第二阶段：知识期（knowledge engineering）
- 1.3.4 第三阶段：学习期（machine learning）
- 1.4 人工智能对社会的影响
- 1.4.1 人工智能是技术发展的必然
- 1.4.2 “AI+X”模式引起的深刻变革
- 1.4.3 人工智能的合理使用
- 1.5 小结
- 1.6 练习
- 参考文献
- 第2章 人工智能系统
- 2.1 引言
- 2.2 人工智能系统需求和可行性分析
- 2.2.1 人工智能系统构建需考虑的因素
- 2.2.2 人工智能系统需求分析案例
- 2.3 人工智能系统架构设计与实现
- 2.3.1 信息系统架构演进
- 2.3.2 人工智能系统架构的主要特点
- 2.3.3 人工智能系统架构设计案例
- 2.4 人工智能系统维护与更新
- 2.4.1 人工智能系统维护与更新需注意的问题
- 2.4.2 人工智能系统维护与更新案例
- 2.5 小结
- 2.6 练习
- 第1章 概论
- 第2篇 人工智能基础理论
- 第3章 机器学习
- 3.1 引言
- 3.2 机器学习的概念与分类
- 3.3 机器学习基本术语
- 3.4 模型评估与选择
- 3.4.1 评估方法
- 3.4.2 调参与最终模型
- 3.4.3 性能度量
- 3.5 监督学习
- 3.5.1 线性模型
- 3.5.2 决策树
- 3.5.3 支持向量机
- 3.6 无监督学习
- 3.7 弱监督学习
- 3.7.1 半监督学习
- 3.7.2 迁移学习
- 3.7.3 强化学习
- 3.8 小结
- 3.9 练习
- 参考文献
- 第4章 深度学习
- 4.1 引言
- 4.2 人工神经网络基础
- 4.2.1 生物神经元
- 4.2.2 感知机与多层感知机
- 4.2.3 人工神经网络工作原理
- 4.3 卷积神经网络
- 4.3.1 卷积计算
- 4.3.2 池化
- 4.3.3 卷积神经网络举例：LeNet-5
- 4.3.4 神经网络正则化
- 4.4 循环神经网络
- 4.4.1 循环神经网络的基本结构
- 4.4.2 长短时记忆网络
- 4.4.3 门控循环单元
- 4.4.4 循环神经网络的应用
- 4.5 深度生成网络
- 4.5.1 自编码器和变分自编码器
- 4.5.2 生成对抗网络
- 4.5.3 深度生成网络的应用
- 4.6 深度强化学习
- 4.6.1 深度强化学习原理
- 4.6.2 深度强化学习的应用
- 4.7 深度学习的挑战和未来趋势
- 4.8 小结
- 4.9 练习
- 参考文献
- 第5章 大模型
- 5.1 引言
- 5.2 大模型基础
- 5.2.1 大模型相关概念
- 5.2.2 大模型发展历程
- 5.2.3 大模型资源
- 5.3 大模型预训练
- 5.3.1 数据准备
- 5.3.2 模型架构
- 5.3.3 模型预训练
- 5.4 大模型微调与对齐
- 5.4.1 指令微调
- 5.4.2 人类对齐
- 5.5 大模型使用
- 5.5.1 提示学习
- 5.5.2 规划与智能体
- 5.6 大模型评测
- 5.6.1 评测指标与评测方法
- 5.6.2 基础能力评测
- 5.6.3 高级能力评测
- 5.6.4 公开综合评测体系
- 5.7 大模型发展趋势与展望
- 5.8 小结
- 5.9 练习
- 参考文献
- 第3章 机器学习
- 第3篇 人工智能应用技术与伦理
- 第6章 计算机视觉
- 6.1 引言
- 6.2 计算机视觉系统
- 6.3 经典图像处理算法
- 6.3.1 图像变换
- 6.3.2 图像平滑
- 6.3.3 边缘检测
- 6.3.4 图像分割
- 6.3.5 形状分析
- 6.3.6 特征提取
- 6.4 目标识别
- 6.4.1 AlexNet模型
- 6.4.2 VGG模型
- 6.4.3 GoogLeNet模型
- 6.4.4 ResNet模型
- 6.5 目标检测
- 6.5.1 两阶段目标检测方法
- 6.5.2 一阶段目标检测方法
- 6.6 实例分割
- 6.7 目标跟踪
- 6.8 三维重建
- 6.9 计算机视觉的应用挑战和未来趋势
- 6.9.1 计算机视觉的应用挑战
- 6.9.2 计算机视觉的未来趋势
- 6.10 小结
- 6.11 练习
- 参考文献
- 第7章 自然语言处理
- 7.1 引言
- 7.2 自然语言处理概述
- 7.2.1 自然语言处理的主要研究内容
- 7.2.2 自然语言处理的主要挑战
- 7.2.3 自然语言处理的主要方法
- 7.3 自然语言处理基础技术
- 7.3.1 词汇分析
- 7.3.2 句法分析
- 7.3.3 语义分析
- 7.3.4篇章分析
- 7.3.5 语言模型
- 7.4 自然语言处理应用技术
- 7.4.1 信息抽取
- 7.4.2 机器翻译
- 7.4.3 情感分析
- 7.4.4 智能问答
- 7.4.5 文本摘要
- 7.4.6 知识图谱
- 7.5 自然语言处理模型的健壮性和可解释性
- 7.5.1 模型健壮性
- 7.5.2 模型可解释性
- 7.6 小结
- 7.7 练习
- 参考文献
- 第8章 人工智能伦理
- 8.1 引言
- 8.2 人工智能伦理概述
- 8.3 人工智能伦理的相关问题
- 8.3.1 隐私保护
- 8.3.2 公平与公正
- 8.3.3 信任与尊严
- 8.3.4 无害与善行
- 8.3.5 责任与担当
- 8.3.6 自治与团结
- 8.3.7 透明度与可解释性
- 8.3.8 可持续发展
- 8.4 人工智能系统生命周期中的伦理与规范
- 8.4.1 需求分析阶段
- 8.4.2 设计与开发阶段
- 8.4.3 测试与部署阶段
- 8.4.4 运维与退役阶段
- 8.5 人工智能伦理与法律法规
- 8.6 人工智能伦理的未来发展
- 8.7 小结
- 8.8 练习
- 参考文献
- 第6章 计算机视觉
- 第4篇 人工智能应用案例
- 第9章 智慧医疗
- 9.1 引言
- 9.2 智能诊疗
- 9.3 智能药物研发
- 9.4 医学影像分析与诊断
- 9.5 智能健康管理
- 9.6 医院管理决策支持
- 9.7 医学教育与研究
- 9.8 小结
- 9.9 练习
- 第10章 智慧商业与金融
- 10.1 引言
- 10.2 智慧商业
- 10.3 智慧金融
- 10.4 智慧商业与金融的未来发展趋势
- 10.5 小结
- 10.6 练习
- 第11章 智慧教育
- 11.1 引言
- 11.2 智慧教育概述
- 11.3 智慧教育平台与个性化学习
- 11.4 基于大模型的课程助教系统
- 11.5 基于增强现实的教学演示系统
- 11.6 智慧教育的未来发展趋势
- 11.7 小结
- 11.8 练习
- 第12章 智慧城市
- 12.1 引言
- 12.2 智慧交通
- 12.3 智慧安防
- 12.4 智慧环保
- 12.5 智慧政务
- 12.6 智慧城市的未来发展趋势
- 12.7 小结
- 12.8 练习
- 第9章 智慧医疗
相关图书
1