新書推薦：
《
大学问·华北村治：权力、话语和制度变迁（1875—1936）
》
售價：HK$
97.9
《
芬尼根的守灵夜 全译注释本
》
售價：HK$
547.8
《
中国国家地理杂志（2024年1-12月整年十二期）
》
售價：HK$
486.0
《
长城砖系列：跛足帝国：中国传统交通文化研究
》
售價：HK$
85.8
《
跟着TED学科学：人工智能
》
售價：HK$
55.0
《
宝石之书
》
售價：HK$
173.8
《
汉画像的象征世界
》
售價：HK$
94.6
《
非暴力沟通·人性化医护（比起药物，连结人心的沟通更具治愈生命的力量）
》
售價：HK$
57.2
|
| 編輯推薦： |
|
本书旨在培养读者人工智能思维意识，发现人工智能落地应用的思路，了解人工智能基本原理和前沿技术，培养学科交叉复合能力。配套资源丰富，提供了书中所有的配套实验数据、拓展视频、PPT、习题答案等资源。
|
| 內容簡介： |
|
随着信息技术和互联网技术的快速发展，人工智能已成为新一轮科技革命的主要驱动力，未来人工智能将贯穿各个领域。本书以“人工智能思维”为理念，以“学生”为中心，以“创新创业”为目标，文理兼顾，构建“教、学、用”为一体的教材结构。全书共7章，第1章介绍了人工智能的发展和流派；第2～4章向读者展示新一代人工智能的核心技术：机器学习、深度学习、大模型；第5章从“道”“法”“术”“器”“用”“势”六个维度解析人工智能思维的基本原理，树立人工智能应用的意识；第6、7章介绍人工智能前沿技术和在交通、电商、建筑、制造、农业、医疗等行业的应用场景，激发读者创新创业的热情，了解未来技术发展的趋势，抓住机遇。本书可以作为高等院校各专业人工智能导论、机器学习、大模型技术课程的教材或参考资料，也可作为人工智能爱好者的参考资料。
|
| 目錄：
|
|
第2版前言第1版前言第1章 人工智能时代 11.1 人工智能体验 11.2 人工智能的三次浪潮 31.2.1 计算驱动 41.2.2 知识驱动 51.2.3 数据驱动 61.3 人工智能的内涵和外延 81.3.1 人工智能的内涵 81.3.2 人工智能的外延 91.4 人工智能流派 91.4.1 符号主义 91.4.2 联结主义 101.4.3 行为主义 101.5 人工智能产业链 11习题1 13第2章 机器学习 152.1 机器学习概述 152.1.1 机器学习背景 152.1.2 机器学习概念 162.1.3 机器学习过程 162.1.4 机器学习分类 172.1.5 Python机器学习算法库 182.2 数据准备 202.2.1 数据集 202.2.2 数据预处理 222.2.3 数据集划分 242.3 模型训练 242.3.1 算法选择 242.3.2 损失函数设计 302.3.3 超参数 322.4 模型评估 332.4.1 分类任务模型评估 332.4.2 回归任务模型评估 342.4.3 代码实现 342.5 模型预测 352.5.1 泛化能力 352.5.2 交叉验证 362.5.3 代码实现 362.6 机器学习实战 362.6.1 乳腺癌分类 362.6.2 房价预测 38习题2 39第3章 深度学习 413.1 全连接神经网络 413.1.1 神经元模型 423.1.2 神经网络 433.2 卷积神经网络 453.2.1 深度学习产生的背景 453.2.2 卷积神经网络的基本原理 483.2.3 深度学习的基本原理 513.3 深度学习实战 523.3.1 AI Studio 523.3.2 车牌识别 533.3.3 新闻分类 55习题3 56第4章 大模型 584.1 DeepSeek 584.1.1 DeepSeek概述 584.1.2 DeepSeek超级大脑 594.1.3 DeepSeek体验 604.2 大模型概述 644.2.1 大模型的定义 644.2.2 大模型的分类 654.2.3 大模型的发展历程 654.3 AIGC 674.3.1 AIGC的发展历程 674.3.2 AIGC与大模型的关系 694.3.3 AIGC给传统生产模式带来的革新 704.4 Transformer 714.4.1 Transformer的发展历程 714.4.2 Transformer的模型架构 724.4.3 Transformer的优势 764.5 Prompt 774.5.1 Prompt的概念 774.5.2 Prompt模式 774.5.3 Prompt的作用 78习题4 79第5章 人工智能思维 825.1 人工智能思维之“道” 825.1.1 人工智能的普遍规律 825.1.2 AI思维的案例 835.1.3 AI思维与人脑思维 855.1.4 AI思维的要素 865.1.5 AI思维带来认知革命 875.2 人工智能思维之“法” 885.2.1 AI的底层逻辑 885.2.2 相关性和因果性 895.2.3 数据的规律性 905.3 人工智能思维之“术” 925.3.1 从数据到价值 925.3.2 数据理解 935.3.3 AI如何做出决策 965.4 人工智能思维之“器” 985.4.1 机器学习算法 985.4.2 深度学习网络结构 985.4.3 深度学习平台 1005.5 人工智能思维之“用” 1005.5.1 行业数字化是大势所趋 1005.5.2 通过企业的数据中台完成数据打通 1015.5.3 生产制造数据打通 1015.5.4 数字化和智能化相辅相成 1025.5.5 深度学习引领人工智能落地 1035.6 人工智能思维之“势” 1035.6.1 如何从无标注数据中学习 1035.6.2 如何把数据和知识结合起来 1045.6.3 可解释的AI模型 1055.6.4 伦理挑战和应对 1065.6.5 个人信息保护 1075.6.6 AI落地的人为因素 108习题5 109第6章 人工智能前沿 1116.1 元宇宙 1116.1.1 元宇宙发展 1116.1.2 元宇宙概述 1136.1.3 元宇宙核心技术 1156.1.4 元宇宙存在的价值 1176.1.5 元宇宙产业生态 1176.1.6 元宇宙与大模型一体两面密不可分 1186.2 数字机器人 1196.2.1 数字机器人概述 1196.2.2 RPA兴起的原因 1206.2.3 RPA应用场景 1206.2.4 RPA架构 1226.2.5 RPA发展趋势 1226.2.6 RPA实战 1236.2.7 大模型时代下的“手脑并用”：RPA LLM 1286.3 强化学习 1296.3.1 强化学习概述 1296.3.2 强化学习仿真环境 1306.3.3 强化学习与传统学习、深度学习的对比 1316.3.4 大语言模型 强化学习 1316.4 迁移学习 1336.4.1 迁移学习概述 1336.4.2 迁移学习与传统机器学习对比 1336.4.3 迁移学习方法 1346.4.4 大模型微调方法是一种有效的迁移学习技术 1366.5 低代码编程 1376.5.1 低代码核心理念 1376.5.2 低代码开发特点 1396.5.3 低代码开发流程 1396.5.4 低代码应用场景 1406.5.5 低代码市场 1416.5.6 AI大模型与低代码的融合 1416.6 量子计算 1436.6.1 量子计算概述 1436.6.2 量子计算与人工智能 1456.6.3 大模型与量子计算的未来 1456.7 多智能体 1466.7.1 多智能体概述 1466.7.2 多智能体应用 1476.7.3 大模型时代的智能体 1496.8 知识图谱 1526.8.1 知识图谱诞生 1526.8.2 知识图谱基本原理 1536.8.3 知识图谱的分类 1546.8.4 知识图谱应用场景 1556.8.5 大模型与知识图谱 155习题6 156第7章 人工智能应用 1597.1 交通 AI 1597.1.1 网联汽车 1597.1.2 自动驾驶 1617.1.3 智能交通概述 1667.1.4 人工智能在交通中的其他应用 1677.2 电商 AI 1757.2.1 体验电商 1757.2.2 垂直电商 1777.2.3 高效电商 1797.2.4 服务电商 1807.3 建筑 AI 1827.3.1 智慧楼宇 1827.3.2 智能家居 1867.3.3 智能家电 1897.3.4 智能建筑工地 1907.4 制造 AI 1927.4.1 四次工业革命 1927.4.2 智能制造 1937.4.3 人工智能在制造业生产环节中的应用 1967.4.4 人工智能在制造业中的其他应用场景 1977.4.5 机器人 1987.4.6 工业机器人 2017.5 医疗 AI 2027.5.1 疾病风险预测 2037.5.2 智能医学影像 2047.5.3 智能诊疗 2057.5.4 新药研发 2087.6 农业 AI 2097.6.1 智慧农业 2097.6.2 智慧种植 2117.6.3 智慧大棚 2147.6.4 智慧畜牧业 2157.6.5 智慧水产养殖 2177.6.6 人工智能在农业中应用的其他场景 2187.7 教育 AI 2207.7.1 教育AI的技术构成 2207.7.2 AI时代的教师职责 2227.7.3 人工智能在教育中的应用场景 2237.7.4 AI对教育的挑战 224习题7 224附录 227附录A 人工智能知识体系 227附录B 人工智能相关学科 228附录C 人工智能大事记 234参考文献 235
|
| 內容試閱：
|
|
《人工智能技术及应用》于2020年出版，近年来人工智能技术的飞速发展，尤其是自然语言处理领域的突破，已经带来了许多惊人的进展。因此有必要对第1版进行全面修订，融入最近研究成果和技术进展，以期为广大读者提供更为丰富、实用的学习资料。通过本书的学习，读者可以培养人工智能思维意识，发现人工智能落地应用的思路，了解人工智能基本原理和前沿技术，培养学科交叉复合能力。本书主要特点如下：1）思维意识先行。本书定位“人工智能思维”优先，培养能够用人工智能思维思考所熟悉的事和物的意识。思维的培养不能一蹴而就，需要循序渐进，本书从“道”“法”“术”“器”“用”“势”六个维度解析人工智能思维的原理。与第1版不同的是将分散在各章的人工智能思维集中组织为独立的一章。2）以学生为中心。本书面向学生“想学”和“会用”。“想学”就是树立了正确的人工智能思维观，“会用”要求能够对项目实施有自己的想法，并设计出一个可行的方案，而不是要求把产品开发出来。3）文理兼顾。根据国家人工智能战略，在高等院校进行人工智能思维意识的培养迫在眉睫，任何专业背景的学生都需要有人工智能思维的意识。本书对如何让非计算机专业背景的学生也能了解人工智能技术对本专业的影响进行了一些探索。4）内容前沿。人工智能导论知识点多，而且既杂又难。本着“必学”“够用”的原则，第2版将大模型应用独立组织为一章。这是因为，在过去几年中，人工智能技术已经实现了从单纯的问答机器人到更加具有智能和灵活性的自然语言处理模型的跨越。而ChatGPT、DeepSeek是人工智能技术“量变”引发“质变”的代表，引领了人工智能领域的飞跃式发展。5）注重应用。通过介绍人工智能在交通、电商、建筑、工业、农业、医疗、教育等行业的应用场景，发现人工智能落地应用的思路。由于作者水平有限，书中难免存在不当之处，请读者多加指教，在此深表感谢！
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
