图书详情

图书信息

图书目录

数字化资源

人工智能导论

本书是一本理论与实践并重的人工智能入门教材。全书共分为三篇，涵盖了从基础理论到核心技术，再到综合应用的全方位知识体系。第一篇为基础理论篇，旨在为读者构建人工智能的宏观认知框架，介绍了人工智能的发展历程、技术框架及未来趋势。第二篇为核心技术篇，详细讲解了人工智能的关键技术与实现方法。从Python编程基础入手，到机器学习的基本流程、典型算法以及深度学习的革命性进展，聚焦于自然语言处理和计算机视觉的实际应用。随后展望了大模型、智能体及AIGC等最新前沿技术，并且探讨了人工智能面临的安全与伦理挑战。第三篇为应用与实践篇，侧重于技术的落地与应用，通过WPS AI、阿里魔搭平台和Coze三个主流平台展示了人工智能的实际效能。

本书适合作为高等学校人工智能导论的教材，也适合对人工智能感兴趣的初学者及从业者作为参考读物，帮助读者从零开始，逐步掌握人工智能的核心技能并应用于实际场景。

作者：

杨振燕孝飞赵猛主编

定价：

47.50 元

出版时间：

2026-08-13

ISBN：

978-7-04-067737-9

物料号：

67737-00

读者对象：

高等教育

一级分类：

计算机/教育技术类

二级分类：

计算机类专业核心课程

三级分类：

人工智能

重点项目：

暂无

版面字数：

440.00千字

开本：

16开

装帧形式：

平装

页数：

288

最新
印次时间：

2026年09月

目录
- 前辅文
- 第一篇基础理论篇
  - 第1章人工智能概述
    - 1.1 初识人工智能
      - 1.1.1 人工智能的定义
      - 1.1.2 人工智能的核心特征
      - 1.1.3 人工智能的重要意义
    - 1.2 从“图灵一问”到“ChatGPT的对话”
      - 1.2.1 萌芽与奠基期（20世纪50年代—80年代）：理论初探与技术萌芽
      - 1.2.2 起伏与积累期（20世纪90年代—21世纪10年代）：技术迭代与场景探索
      - 1.2.3 爆发与应用期（21世纪20年代至今）：大模型崛起与全面赋能
    - 1.3 人工智能的技术框架与学科分支
      - 1.3.1 人工智能的技术框架
      - 1.3.2 人工智能的核心学科分支
    - 1.4 AI在身边
      - 1.4.1 智能制造
      - 1.4.2 智能家居
      - 1.4.3 智能金融
      - 1.4.4 智慧医疗
      - 1.4.5 智慧交通
      - 1.4.6 智能安防
      - 1.4.7 智慧农业
      - 1.4.8 智能教育
      - 1.4.9 智能物流
      - 1.4.10 无人驾驶
    - 1.5 AI未来谈
      - 1.5.1 全面赋能与效率革命
      - 1.5.2 突破人类认知边界
      - 1.5.3 重塑社会运行基础
    - 1.6 思考与练习
  - 第2章人工智能的核心支撑要素
    - 2.1 数据
      - 2.1.1 数据是什么
      - 2.1.2 数据采集与预处理技术
      - 2.1.3 数据存储
      - 2.1.4 数据分析与可视化
    - 2.2 算法
      - 2.2.1 算法那些事
      - 2.2.2 算法实现案例
    - 2.3 算力
      - 2.3.1 算力那些事
      - 2.3.2 从CPU到AI芯片的演进
    - 2.4 思考与练习
- 第二篇核心技术篇
  - 第3章用Python开启人工智能之旅
    - 3.1 为什么是Python
      - 3.1.1 Python的简介与优势
      - 3.1.2 Python的安装
      - 3.1.3 PyCharm的安装
    - 3.2 Python快速入门
      - 3.2.1 第一个程序与编码规范
      - 3.2.2 变量与简单数据类型
      - 3.2.3 Python的数据结构
    - 3.3 控制程序逻辑
      - 3.3.1 选择结构
      - 3.3.2 循环结构
      - 3.3.3 循环控制语句
    - 3.4 函数与代码模块化
      - 3.4.1 函数的定义与调用
      - 3.4.2 返回值与作用域
    - 3.5 科学计算与数据处理
      - 3.5.1 模块的导入
      - 3.5.2 NumPy与数组操作
      - 3.5.3 Matplotlib数据可视化入门
      - 3.5.4 综合示例：学生成绩分析
    - 3.6 思考与练习
  - 第4章机器学习基础
    - 4.1 机器学习的概述
      - 4.1.1 机器学习的定义与发展历程
      - 4.1.2 机器学习的分类
      - 4.1.3 基本术语
      - 4.1.4 机器学习的基本流程
    - 4.2 机器学习的典型算法
      - 4.2.1 线性回归
      - 4.2.2 逻辑回归
      - 4.2.3 K近邻
      - 4.2.4 聚类算法
    - 4.3 模型评估与选择
      - 4.3.1 泛化能力与评估验证
      - 4.3.2 分类任务的评价指标
      - 4.3.3 回归任务的评价指标
      - 4.3.4 模型选择与参数调优
    - 4.4 机器学习前沿范式
      - 4.4.1 半监督学习
      - 4.4.2 强化学习
      - 4.4.3 迁移学习
      - 4.4.4 联邦学习
    - 4.5 实践案例：基于机器学习的泰坦尼克号幸存者预测
    - 4.6 思考与练习
  - 第5章深度学习革命
    - 5.1 神经网络基础
      - 5.1.1 神经元模型
      - 5.1.2 反向传播算法
      - 5.1.3 梯度下降算法
      - 5.1.4 激活函数
    - 5.2 卷积神经网络
      - 5.2.1 CNN的组成结构
      - 5.2.2 经典CNN架构
    - 5.3 RNN与Transformer
      - 5.3.1 循环神经网络（RNN）
      - 5.3.2 LSTM与GRU
      - 5.3.3 Transformer
    - 5.4 生成式模型
      - 5.4.1 生成对抗网络（GAN）
      - 5.4.2 扩散模型
    - 5.5 实践案例：基于卷积神经网络的手写数字识别
    - 5.6 思考与练习
  - 第6章自然语言处理
    - 6.1 探秘自然语言处理
      - 6.1.1 NLP是什么
      - 6.1.2 NLP的超级应用
      - 6.1.3 NLP的迷雾
    - 6.2 语言学大解码
      - 6.2.1 词汇、语法、语义
      - 6.2.2 自然语言理解
    - 6.3 Word2Vec含义
    - 6.4 Transformer模型
    - 6.5 NLP的魔法世界
      - 6.5.1 机器翻译
      - 6.5.2 聊天机器人
      - 6.5.3 情感分析
    - 6.6 让机器了解中文情感
    - 6.7 实践案例：自然语言分词及词云可视化
    - 6.8 思考与练习
  - 第7章计算机视觉
    - 7.1 计算机视觉概述
      - 7.1.1 图像的色彩密码
      - 7.1.2 计算机眼中的图像
    - 7.2 OpenCV图像魔法
      - 7.2.1 图像的三部曲
      - 7.2.2 创意绘图
      - 7.2.3 边缘与轮廓
      - 7.2.4 分割算法
    - 7.3 深度学习计算机视觉大揭秘
      - 7.3.1 YOLO秒懂物体的“眼力”
      - 7.3.2 Mask R-CNN精准的像素级分隔
      - 7.3.3 GAN与扩散模型：如何用AI创造真实世界
    - 7.4 计算机视觉的超级应用
      - 7.4.1 辅助驾驶让机器成为司机的最佳助手
      - 7.4.2 AI如何分析比赛，并预测胜负
      - 7.4.3 AI如何帮助医生发现潜在的健康问题
    - 7.5 实践案例：深度学习目标检测——玩转YOLO模型
      - 7.5.1 基于OpenCV库的目标检测
      - 7.5.2 自定义数据集的目标检测
    - 7.6 思考与练习
  - 第8章人工智能前沿
    - 8.1 大模型
      - 8.1.1 大模型那些事
      - 8.1.2 大模型的概念及技术
      - 8.1.3 大模型的应用
    - 8.2 智能体
      - 8.2.1 智能体的定义
      - 8.2.2 智能体的特性及应用领域
    - 8.3 AIGC
      - 8.3.1 什么是AIGC
      - 8.3.2 AIGC的核心技术
    - 8.4 实践案例：生成式AI的应用——文生图、文生视频、图生视频
    - 8.5 思考与练习
  - 第9章人工智能安全与伦理
    - 9.1 人工智能安全与伦理的基本内涵
    - 9.2 人工智能安全与伦理的关键挑战
      - 9.2.1 人工智能的安全挑战
      - 9.2.2 人工智能的伦理挑战
      - 9.2.3 人工智能安全与伦理挑战的案例
    - 9.3 人工智能安全与伦理未来治理范式
      - 9.3.1 从“事后补救”到“伦理嵌入设计”
      - 9.3.2 从“规则遵循”到“价值对齐”
      - 9.3.3 从“国家监管”到“多元协同治理”
      - 9.3.4 从“风险规避”到“发展-安全动态平衡”
    - 9.4 思考与练习
- 第三篇应用与实践篇
  - 第10章 WPS AI综合应用
    - 10.1 项目一：WPS AI文档写作助手
      - 10.1.1 唤起WPS AI助手的常用方法
      - 10.1.2 WPS帮我去旅游
      - 10.1.3 WPS帮我来请假
      - 10.1.4 WPS帮我改
    - 10.2 项目二：WPS AI文档阅读助手
    - 10.3 项目三：WPS AI表格分析助手
      - 10.3.1 在表格中调用AI生成公式的两种方法
      - 10.3.2 WPS AI表格分析助手-案例1：公司员工基本信息处理（侧重AI写公式）
      - 10.3.3 WPS AI表格分析助手-案例2：班级成绩智能分析与学情诊断（侧重AI数据分析）
    - 10.4 项目四：WPS AI表格助手
      - 10.4.1 WPS AI表格助手-案例：设计和美化“销售信息表”
      - 10.4.2 WPS AI表格助手案例：分析标记“销售信息表”
    - 10.5 项目五：WPS AI演示设计助手
      - 10.5.1 WPS AI演示设计助手：一键生成PPT
      - 10.5.2 WPS AI演示设计助手：PPT智能美化
    - 10.6 思考与练习
  - 第11章阿里魔搭平台案例应用
    - 11.1 项目一：人脸识别
      - 11.1.1 什么是人脸识别
      - 11.1.2 人脸识别的常用算法与应用场景
      - 11.1.3 利用阿里魔搭实现人脸识别
      - 11.1.4 使用本地数据实现人脸识别
    - 11.2 项目二：实时人体检测
      - 11.2.1 什么是实时人体检测
      - 11.2.2 实时人体检测的常用算法与应用场景
      - 11.2.3 利用魔搭平台实现实时人体检测
      - 11.2.4 使用本地数据实现人体检测
    - 11.3 项目三：文生图
      - 11.3.1 什么是文生图
      - 11.3.2 文生图的常用算法与应用场景
      - 11.3.3 利用阿里魔搭实现文生图
      - 11.3.4 使用本地数据实现文生图
    - 11.4 项目四：文字识别
      - 11.4.1 什么是文字识别
      - 11.4.2 文字识别的常用算法与应用场景
      - 11.4.3 利用阿里魔搭实现文字识别
      - 11.4.4 使用本地数据实现文字识别
    - 11.5 项目五：语音合成
      - 11.5.1 什么是语音合成
      - 11.5.2 语音合成的常用算法与应用场景
      - 11.5.3 利用阿里魔搭实现语音合成
    - 11.6 项目六：智能问答应用
      - 11.6.1 什么是智能问答应用
      - 11.6.2 智能问答系统的常用算法与应用场景
      - 11.6.3 利用阿里魔搭实现智能问答应用
    - 11.7 思考与练习
  - 第12章智能体综合应用——以Coze为例
    - 12.1 项目一：AI对话机器人
    - 12.2 项目二：智能小助手
    - 12.3 项目三：小说转视频助手
    - 12.4 思考与练习
- 参考文献

人工智能导论

如无法打开或下载资源，请在电脑端（xuanshu.hep.com.cn)进行下载操作。

图书详情

人工智能导论

相关图书