新書推薦：
《
如何面对爱情里的失望
》
售價：HK$
38.5
《
至高无上：一场颠覆世界的人工智能竞赛
》
售價：HK$
86.9
《
聪明钱
》
售價：HK$
85.8
《
大转型：我们时代的政治与经济起源
》
售價：HK$
107.8
《
约翰·巴勒斯：美国自然文学之父
》
售價：HK$
74.8
《
东线有战事1914一战爆发与帝国崩溃 与西线无战事遥相呼应的一战东线战事探寻帝国时代崩塌的根源
》
售價：HK$
96.8
《
奇岩馆事件（“这本推理小说了不起！”大奖获奖作者高野结史颠覆你的推理常识）
》
售價：HK$
54.8
《
暗斗：一个书生的文化抗战
》
售價：HK$
96.8
|
| 編輯推薦： |
|
本书遵循职业教育教材编写规律和职业院校学生学习规律，配套齐全
|
| 內容簡介： |
|
本书以理论和实践相结合的方式，深入浅出地介绍了人工智能的发展历史、数据服务与管理、机器学习和深度学习、大模型应用和产业现状。通过典型的项目应用，帮助学生理解人工智能技术的发展轨迹、原理和学习路径，激发学生对人工智能的学习兴趣。本书注重实际产品开发流程和对技能型人才的培养要求，让学生对人工智能技能体系有明确的方向和学习目标。本书可作为高等职业院校（含职业本科）人工智能相关专业的教材，也可作为电子信息类、计算机类相关专业的教材。为方便教学，本书配有电子课件、习题答案、模拟试卷及答案等教学资源，凡选用本书作为授课教材的教师，均可通过QQ（2314073523）咨询。
|
| 目錄：
|
|
前言第1章 人工智能的前世今生 11.1 人工智能的定义 11.2 人工智能的发展史 21.2.1 人工智能的诞生 31.2.2 人工智能的奠定发展期 61.2.3 重拾希望的时期—专家系统的兴衰 71.2.4 机器学习时代 81.2.5 深度学习时代 101.2.6 大模型时代的人工智能 111.3 人工智能的三要素 121.3.1 数据 121.3.2 模型 131.3.3 算力 141.4 人工智能的行业应用 141.5 人工智能的未来 191.5.1 通用人工智能 191.5.2 具身智能 19习题 20第2章 数据服务与管理 212.1 Python编程基础 212.1.1 Python发展史 212.1.2 项目1：Python的第一个程序 232.1.3 Python的基础语法 242.1.4 项目2：航空公司行李托运的收费问题 272.1.5 分支和迭代 272.1.6 结构化类型：列表、元组和字典 292.1.7 函数 322.1.8 文件和异常处理 342.2 数据采集和网络爬虫 362.2.1 数据采集 372.2.2 网络爬虫 382.2.3 项目3：爬取网页图片 392.3 数据预处理 402.4 数据标注 412.4.1 数据标注概述 412.4.2 项目4：人脸数据标注 422.5 数据可视化 452.5.1 现代图形学的雏形 462.5.2 数据图形绘制加速期 472.5.3 现代数据可视化技术 472.5.4 数据可视化软件—Matplotlib 482.6 数据集的制作与数据管理 51习题 51第3章 机器学习 523.1 机器学习概述 523.2 机器学习系统开发流程 533.3 线性回归 543.3.1 弗朗西斯·高尔顿与线性回归 543.3.2 线性回归的原理和应用 573.3.3 项目1：草莓含糖量无损检测 593.4 逻辑回归 643.4.1 逻辑回归概述 653.4.2 项目2：草莓品质鉴定 663.5 其他常用机器学习算法 70习题 74第4章 深度学习 754.1 深度学习概述 754.2 深度学习框架 774.2.1 深度学习训练框架 774.2.2 深度学习推理框架 784.3 卷积神经网络 794.4 LeNet 804.4.1 LeNet的发展历史和影响 804.4.2 LeNet的关键技术 814.4.3 LeNet的优势 834.4.4 项目3：基于LeNet-5的手写数字识别 834.5 AlexNet 874.5.1 AlexNet概述 874.5.2 项目4：基于AlexNet的农产品识别 884.6 VGGNet 964.7 ResNet 974.8 DenseNet 994.9 UNet 1014.10 其他深度学习模型 1034.10.1 循环神经网络 1034.10.2 表示学习与图神经网络 1044.10.3 生成对抗网络 1054.11 计算机视觉 1064.12 自然语言处理 1074.13 智能语音 1084.14 深度强化学习 109习题 110第5章 人工智能模型开发流水线 1115.1 数据、模型与算力的协同 1125.2 ModelOps 1135.2.1 ModelOps的核心组件 1135.2.2 ModelOps的关键流程 1145.2.3 ModelOps的最佳实践 1155.3 数据准备 1155.4 人工智能模型训练 1165.5 模型的量化与部署 1175.6 模型推理与应用开发 1185.7 人工智能模型管理 1195.8 ModelOps的挑战和未来趋势 1205.8.1 ModelOps的挑战 1205.8.2 未来趋势 121习题 122第6章 大模型技术与应用 1236.1 大模型概述 1236.1.1 大语言模型 1236.1.2 生成式人工智能 1266.1.3 多模态大模型 1286.1.4 大语言模型的应用 1296.2 主流大语言模型 1316.2.1 商用大模型 1316.2.2 开源大语言模型 1346.3 Stable Diffusion 1356.3.1 Stable Diffusion概述 1356.3.2 Stable Diffusion的结构 1376.3.3 Stable Diffusion 2.0 1386.3.4 Stable Diffusion 3.0 1396.4 AI Agent 1406.4.1 什么是AI Agent 1406.4.2 为什么需要AI Agent 1416.4.3 AI Agent框架 1426.4.4 AI Agent的应用案例 1466.4.5 AI Agent的未来发展 1486.5 RAG系统的搭建 150习题 153第7章 人工智能伦理 1547.1 大模型的幻觉与偏见 1547.1.1 大模型的幻觉 1547.1.2 大模型的偏见 1557.1.3 社会影响和应对措施 1567.2 AI模型攻击与安全防护 1567.2.1 AI模型面临的攻击类型 1577.2.2 安全防护措施 1587.2.3 案例分析 1597.3 软件开发与信息安全 1617.3.1 软件开发中的信息安全挑战 1617.3.2 软件开发中的信息安全措施 1627.3.3 信息安全在软件开发中的角色 1637.3.4 信息安全的未来发展 1647.4 人工智能法律法规 1657.4.1 人工智能法律法规的背景 1657.4.2 主要的人工智能法律法规 1667.4.3 人工智能法律法规的挑战 1677.4.4 人工智能法律法规的实施 168习题 169参考文献 170
|
| 內容試閱：
|
|
本书是一本关于人工智能的入门读物，旨在向读者介绍人工智能的基本概念、发展历程、核心要素、应用领域以及未来趋势。本书编写过程中，充分考虑读者的需求，力求做到通俗易懂、深入浅出。本书主要分为以下几个部分：第1章“人工智能的前世今生”，主要介绍人工智能的定义、发展史、核心要素、应用领域及未来趋势。第2章“数据服务与管理”，主要介绍Python编程基础、数据采集、数据清洗与处理、数据标注、数据可视化和数据集的制作与数据管理等内容。第3章“机器学习”，主要介绍机器学习概述、系统开发流程、线性回归、逻辑回归和其他常用机器学习算法等内容。机器学习是人工智能的一个分支，通过对数据进行学习和预测，从而实现智能化的任务处理。第4章“深度学习”，主要介绍深度学习概述、深度学习框架、卷积神经网络等内容。第5章“人工智能模型开发流水线”，主要介绍人工智能模型开发的流程，包括数据、模型与算力的协同，ModelOps，数据准备，人工智能模型训练，模型的量化与部署，模型推理与应用开发等内容。第6章“大模型技术与应用”，主要介绍当前流行的大模型及其应用，包括大模型概述、主流大语言模型、Stable Diffusion、AI Agent等内容。第7章“人工智能伦理”，主要介绍人工智能技术所涉及的法律和安全问题，包括大模型的幻觉与偏见、AI模型攻击与安全防护、软件开发与信息安全等内容。本书由章飞、陈志文、纪永主编，朱峰、任远红、许秋艳、陈继华和唐晓冬参编。最后，我们要感谢所有支持本书编写的人员和机构，没有他们的努力和支持，本书不可能出版。由于编者水平有限，书中难免存在不足之处，我们也希望读者能够给予本书宝贵的反馈和建议，以便我们在今后的工作中不断提高和完善。编 者
|
|
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
