图书信息
图书目录
人工智能概论
本书全面介绍了人工智能基础理论、核心和前沿技术及其实际应用，并结合实际案例，展示了人工智能如何深刻改变各行各业。全书共分为13章，第1章是人工智能概述，介绍了人工智能的概念、发展历程和应用领域，帮助读者建立起对人工智能的大概认识；第2～6章介绍了人工智能的理论基础及算法，包括机器学习、深度学习与人工神经网络、自然语言处理、感知与计算机视觉、大模型；第7～12章介绍了人工智能的应用，首先介绍人工智能在文本、图像、音频和视频等多种模态中，实现内容生成的相关应用，然后介绍人工智能在教育、交通、制造、建筑、商业等领域的应用；第13章介绍了人工智能的伦理与安全。本书既有人工智能的基础理论和算法，又有人工智能的典型应用，案例丰富，适合作为高等院校非计算机专业的通识课程教材，也可作为相关技术人员的入门读物。
本书配套有教学大纲、教案、习题解答、授课课件以及相应的源代码，以方便授课教师使用。
作者：
主编 张绍兰 孙晓燕 邢国波 副主编 聂秀山 李成龙
定价：
51.00元
出版时间：
2025-09-09
ISBN：
978-7-04-065519-3
物料号：
65519-00
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：
430.00千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
- 前辅文
- 第1章 人工智能概述
- 1.1 人工智能的发展历程
- 1.2 人工智能的主要类别
- 1.2.1 人工智能的主流学派
- 1.2.2 人工智能的分类
- 1.2.3 人工智能的核心要素
- 1.3 人工智能的应用
- 1.4 人工智能的发展前景
- 1.4.1 人工智能的机遇与挑战
- 1.4.2 人工智能未来研究方向
- 1.4.3 我国在人工智能领域的发展
- 1.5 本章小结
- 思考与练习
- 第2章 机器学习
- 2.1 机器学习概述
- 2.1.1 定义和相关概念
- 2.1.2 数据集构建
- 2.1.3 模型训练
- 2.1.4 评价指标
- 2.2 监督学习
- 2.2.1 线性回归
- 2.2.2 逻辑回归
- 2.2.3 决策树与随机森林
- 2.2.4 支持向量机
- 2.3 无监督学习
- 2.3.1 聚类分析
- 2.3.2 主成分分析
- 2.4 强化学习
- 2.4.1 基本概念与流程
- 2.4.2 典型应用
- 2.5 本章小结
- 思考与练习
- 2.1 机器学习概述
- 第3章 深度学习与人工神经网络
- 3.1 人工神经网络基础概念
- 3.1.1 神经网络的发展历程
- 3.1.2 神经元
- 3.1.3 感知机
- 3.1.4 激活函数
- 3.2 前馈神经网络
- 3.2.1 前馈神经网络的结构
- 3.2.2 参数优化
- 3.2.3 前向传播与反向传播
- 3.2.4 前馈神经网络案例
- 3.3 循环神经网络
- 3.3.1 循环神经网络的原理
- 3.3.2 长短期记忆网络
- 3.3.3 门控循环单元
- 3.3.4 循环神经网络实践案例
- 3.4 卷积神经网络
- 3.4.1 卷积操作
- 3.4.2 池化操作
- 3.4.3 卷积神经网络
- 3.5 本章小结
- 思考与练习
- 3.1 人工神经网络基础概念
- 第4章 自然语言处理
- 4.1 自然语言处理概述
- 4.2 文本预处理
- 4.2.1 词汇分割
- 4.2.2 词向量表示
- 4.3 语言模型
- 4.3.1 N-gram模型
- 4.3.2 Seq2Seq模型
- 4.3.3 注意力机制
- 4.3.4 Transformer语言模型
- 4.3.5 BERT和预训练模型
- 4.4 典型任务与技术
- 4.4.1 机器翻译
- 4.4.2 关系抽取
- 4.4.3 问答系统
- 4.4.4 情感分析
- 4.5 数据集和评估指标
- 4.5.1 常用数据集
- 4.5.2 常用评价指标
- 4.6 本章小结
- 思考与练习
- 第5章 感知与计算机视觉
- 5.1 计算机视觉概述
- 5.1.1 什么是计算机视觉
- 5.1.2 计算机视觉的发展
- 5.1.3 计算机视觉与OpenCV
- 5.2 图像处理基础
- 5.2.1 数字图像
- 5.2.2 数字图像处理
- 5.2.3 图像的特征
- 5.3 计算机视觉的研究任务
- 5.3.1 图像分类
- 5.3.2 目标检测
- 5.3.3 图像分割
- 5.3.4 目标跟踪
- 5.3.5 其他计算机视觉任务
- 5.4 计算机视觉的典型应用
- 5.4.1 人脸识别
- 5.4.2 自动驾驶
- 5.4.3 医疗诊断
- 5.4.4 安全监控
- 5.4.5 工业检测
- 5.4.6 其他应用
- 5.4.7 计算机视觉目前的局限性
- 5.4.8 计算机视觉未来发展
- 5.5 语音识别
- 5.5.1 语音识别技术的发展
- 5.5.2 语音识别的过程
- 5.5.3 语音识别的应用
- 5.5.4 语音识别限制
- 5.5.5 语音识别未来的发展
- 5.6 本章小结
- 思考与练习
- 5.1 计算机视觉概述
- 第6章 大模型——人工智能的新引擎
- 6.1 大模型概述
- 6.1.1 大模型的发展历程
- 6.1.2 大模型服务平台
- 6.1.3 大模型及其产品
- 6.1.4 大模型特点
- 6.1.5 大模型分类
- 6.1.6 大模型对工作和生活的影响
- 6.2 大模型的技术基础
- 6.2.1 大数据与计算能力
- 6.2.2 Transformer架构与预训练模型
- 6.3 大模型Agent和RAG
- 6.3.1 Agent
- 6.3.2 RAG
- 6.4 大模型的应用
- 6.4.1 大模型应用领域
- 6.4.2 大模型本地部署
- 6.5 提示工程
- 6.5.1 提示词和提示工程
- 6.5.2 提示词关键要素
- 6.5.3 提示词设计原则和技巧
- 6.5.4 提示词结构框架
- 6.6 大模型的挑战与未来发展
- 6.6.1 面临的挑战
- 6.6.2 未来发展方向
- 6.7 本章小结
- 思考与练习
- 6.1 大模型概述
- 第7章 人工智能生成内容AIGC
- 7.1 AIGC简介
- 7.1.1 什么是AIGC
- 7.1.2 AIGC的发展历史
- 7.1.3 AIGC与大模型的关系
- 7.1.4 AIGC的工作流程
- 7.2 文本生成
- 7.2.1 文本生成应用
- 7.2.2 文本生成案例
- 7.3 图像生成
- 7.3.1 图像生成应用
- 7.3.2 图像生成案例
- 7.4 音频生成
- 7.4.1 音频生成应用
- 7.4.2 音频生成案例
- 7.5 视频生成
- 7.5.1 视频生成应用
- 7.5.2 视频生成案例
- 7.6 多模态生成
- 7.7 AIGC未来展望
- 7.7.1 技术发展趋势
- 7.7.2 应用场景拓展
- 7.7.3 面临的挑战与应对策略
- 7.8 本章小结
- 思考与练习
- 7.1 AIGC简介
- 第8章 AI+教育
- 8.1 智能教育概述
- 8.1.1 智能教育的发展
- 8.1.2 人工智能对教育的影响
- 8.2 智能教育典型案例
- 8.2.1 VR虚拟课堂
- 8.2.2 AR实训课堂
- 8.2.3 智能问答系统
- 8.3 AI办公
- 8.3.1 WPS AI文字应用
- 8.3.2 WPS AI表格应用
- 8.3.3 WPS AI演示应用
- 8.3.4 WPS灵犀
- 8.4 未来发展与潜在问题
- 8.5 本章小结
- 思考与练习
- 8.1 智能教育概述
- 第9章 AI+交通
- 9.1 智能交通概述
- 9.1.1 智能交通的发展
- 9.1.2 智能交通系统
- 9.1.3 智能交通的应用
- 9.2 自动驾驶技术
- 9.2.1 自动驾驶技术的发展
- 9.2.2 自动驾驶汽车标准
- 9.2.3 自动驾驶系统组成及核心技术
- 9.3 车牌识别技术
- 9.3.1 车牌识别技术的发展
- 9.3.2 车牌识别的流程
- 9.3.3 车牌识别的应用场景
- 9.4 智能交通的未来发展与潜在问题
- 9.4.1 智能交通的未来发展展望
- 9.4.2 智能交通的潜在问题与挑战
- 9.5 本章小结
- 思考与练习
- 9.1 智能交通概述
- 第10章 AI+制造
- 10.1 智能制造概述
- 10.2 智能工厂
- 10.2.1 智能工厂的特点
- 10.2.2 智能工厂的组成
- 10.2.3 智能工厂的应用
- 10.2.4 智能工厂的未来
- 10.3 工业机器人
- 10.3.1 机器人
- 10.3.2 工业机器人
- 10.3.3 工业智能检测与分拣
- 10.4 未来发展及面临的挑战
- 10.4.1 智能制造的未来发展
- 10.4.2 智能制造面临的挑战
- 10.5 本章小结
- 思考与练习
- 第11章 AI+建筑
- 11.1 智能建筑概述
- 11.1.1 人工智能在建筑领域的应用
- 11.1.2 智能建筑的发展
- 11.1.3 智能建筑的组成
- 11.2 BIM
- 11.2.1 BIM的核心特点
- 11.2.2 BIM在建筑全生命周期的应用
- 11.2.3 BIM的优势
- 11.2.4 BIM应用案例——北京大兴机场
- 11.3 智能安防
- 11.3.1 智能安防中的人工智能技术应用
- 11.3.2 智能安防的应用场景
- 11.3.3 智能安防的优势
- 11.3.4 智能安防应用案例——上海陆家嘴国际金融区智能安防
- 11.4 智慧能源
- 11.4.1 智慧能源中的人工智能技术应用
- 11.4.2 智慧能源的应用场景
- 11.4.3 智慧能源的优势
- 11.4.4 智慧能源应用案例
- 11.5 未来发展及面临的挑战
- 11.5.1 智能建筑未来发展的主要趋势
- 11.5.2 智能建筑面临的挑战
- 11.6 本章小结
- 思考与练习
- 11.1 智能建筑概述
- 第12章 AI+商业
- 12.1 智慧商业概述
- 12.1.1 智慧商业的发展阶段
- 12.1.2 智慧商业的核心技术
- 12.1.3 智慧商业典型应用场景
- 12.2 个性化推荐
- 12.2.1 个性化推荐系统中的核心技术
- 12.2.2 个性化推荐的优势
- 12.2.3 个性化推荐的应用场景
- 12.2.4 个性化推荐应用案例
- 12.3 智慧物流和智慧仓储
- 12.3.1 智慧物流和智慧仓储的核心技术
- 12.3.2 智慧物流和智能仓储应用场景
- 12.3.3 智慧物流和智能仓储优势
- 12.3.4 智慧物流的整体架构
- 12.3.5 AGV小车
- 12.3.6 智慧物流和智慧仓储应用实例——京东智慧物流
- 12.4 未来发展及面临的挑战
- 12.5 本章小结
- 思考与练习
- 12.1 智慧商业概述
- 第13章 人工智能的伦理与安全
- 13.1 人工智能伦理的典型案例
- 13.2 人工智能伦理与法律考量
- 13.2.1 人工智能伦理
- 13.2.2 人工智能法律框架与政策
- 13.3 人工智能伦理的治理措施
- 13.4 本章小结
- 思考与练习
- 参考文献
相关图书
1