新書推薦：
《
萤火虫全球史072：图说中世纪医学简史
》
售價：HK$
82.5
《
汉字中国：承载三千年中华文化的瑰宝
》
售價：HK$
42.9
《
自我救赎：战胜复杂性创伤的行动指南
》
售價：HK$
64.9
《
罗马和平新版 古代地中海世界的暴力 征服与和平 汗青堂丛书109
》
售價：HK$
116.6
《
万亿低空：应用实战篇 低空经济
》
售價：HK$
107.8
《
最美中国版画100幅 艺术百图系列 木版雕刻 经典古版画 中式美学 周亮编著
》
售價：HK$
85.8
《
乱世离歌：五代史略
》
售價：HK$
107.8
《
近代中国史学述论（修订版）
》
售價：HK$
118.8
|
| 內容簡介： |
|
本书旨在普及人工智能基本知识，帮助读者全面理解人工智能的核心概念、发展历程、关键技术及实际应用，提升人工智能素养，培养面向未来的综合实践能力与创新意识。本书围绕人工智能的基础理论、核心技术、主流应用和实践路径系统展开，共9章，主要内容包括人工智能概述、机器学习、神经网络与深度学习、计算机视觉、自然语言处理、大数据基础与应用、大语言模型基础及应用、人工智能伦理、人工智能应用实战。本书配套电子课件、教学大纲、课后练习参考答案、参考教案等。
|
| 關於作者： |
|
刘歆宁，大连东软信息学院计算机与软件学院副教授/系副主任。拥有十余年产业工程师经验，在科研方面主持或参与了多个重要项目，包括大连市科技计划项目、辽宁省教育厅项目、辽宁省教育厅项目等，涉及医疗健康、网络安全、智能制造与教育评价等领域。在学术研究方面，以第一作者身份发表了多篇高质量期刊论文，内容涵盖医学命名实体识别、航空安全软件可信性度量、软件工程教学质量保障体系等。同时，拥有多项国家授权专利。在人工智能与计算机科学的应用研究中积累了丰富的经验，致力于推动技术在医疗、智能制造与教育评价中的创新应用。
|
| 目錄：
|
目 录
Contents
第1章 人工智能概述1
1.1 人工智能的定义1
1.2 人工智能的起源和发展历程2
1.3 人工智能的多元化应用4
1.4 人工智能对社会的影响10
1.5 人工智能的未来11
课后练习11
第2章 机器学习13
2.1 机器学习的定义13
2.1.1 智能的起点：机器学习的概念14
2.1.2 智能的种子：机器学习的基础知识14
2.2 机器学习与人工智能的关系16
2.2.1 AI的大脑：机器学习在人工智能中的角色17
2.2.2 智能的进化：机器学习如何推动AI的进步17
2.3 机器学习的主要分支18
2.3.1 预测的艺术：监督学习的秘密18
2.3.2 模式的探索者：无监督学习的奥秘20
2.3.3 决策的智者：强化学习的策略22
2.3.4 学习的融合：半监督学习和自监督学习的创新24
2.3.5 学习的多样性：机器学习“门派”的协同作用25
2.4 机器学习项目实施指南26
2.4.1 问题的启航：定义机器学习问题26
2.4.2 数据的炼金术：数据收集和处理的艺术27
2.4.3 算法的选美：选择合适的机器学习算法28
2.4.4 模型的诞生：从算法选择到构建实现29
2.4.5 训练的磨砺：模型训练的技巧29
2.4.6 评估的天平：模型评估的科学30
2.4.7 部署的航道：将模型投入实战31
2.4.8 监控的守护：持续监控和优化模型32
课后练习32
第3章 神经网络与深度学习34
3.1 神经网络基础34
3.1.1 神经元的启示：生物智能的密码35
3.1.2 人工神经元：智能计算的单元35
3.1.3 感知器的诞生：神经网络的起点36
3.1.4 多层网络：深度学习的基石37
3.2 深度学习的诞生38
3.2.1 智能的飞跃：深度学习的概念38
3.2.2 深度学习的核心：模型的结构与特点39
3.3 深度学习的技术分支40
3.3.1 图像的解码者：卷积神经网络40
3.3.2 序列的编织者：循环神经网络42
3.3.3 攻防博弈的艺术：对抗神经网络43
3.3.4 数据维度的压缩大师：自编码器44
3.3.5 语言的解码者：Transformer45
3.3.6 结构的解析者：图神经网络47
3.3.7 决策的最优策略：深度强化学习48
课后练习49
第4章 计算机视觉50
4.1 计算机视觉概述50
4.1.1 视觉的智能：计算机视觉的概念50
4.1.2 视觉的主流：基于深度学习的计算机视觉52
4.1.3 视觉的数字化：数字图像53
4.2 图像处理技术54
4.2.1 视觉技术的桥梁：图像处理与计算机视觉55
4.2.2 视觉数据的获取：图像采集55
4.2.3 视觉数据的净化：图像预处理57
4.2.4 视觉目标的分离：图像分割63
4.3 计算机视觉应用67
4.3.1 视觉的识别能力：目标识别67
4.3.2 智能的视觉解析：场景文字识别71
4.3.3 精确的视觉测量：目标测量73
4.3.4 动态视觉的追踪：目标跟踪74
4.4 开源技术与工具75
4.4.1 计算机视觉的开源先锋：OpenCV75
4.4.2 实时目标检测的革新者：YOLO76
课后练习77
第5章 自然语言处理79
5.1 自然语言处理概述80
5.1.1 语言的数字解码：自然语言处理的概念80
5.1.2 历史与语言的交织：自然语言处理的发展历程80
5.2 自然语言处理的原理81
5.2.1 语言的钥匙：语言学基础82
5.2.2 词汇的奥秘：词法分析85
5.2.3 结构的洞察：句法分析88
5.2.4 意义的解码：语义分析89
5.2.5 文本的脉络：篇章分析93
5.3 自然语言处理的方法94
5.3.1 传统智慧的结晶：基于规则的方法95
5.3.2 数据驱动的革命：基于机器学习的方法96
5.3.3 大模型的崛起：基于大模型的方法97
5.4 自然语言处理应用98
5.4.1 语言的无国界交流：机器翻译98
5.4.2 人类的虚拟对话者：聊天机器人100
5.4.3 情感的深度洞察：情感分析103
5.4.4 声音的信息解码：语音识别105
5.4.5 文字世界的魔法师：文本纠错107
5.5 语言模型109
5.5.1 语境感知的革命：ELMo110
5.5.2 语义理解的领航者：BERT110
5.5.3 文本生成的先驱：GPT111
5.5.4 文本转换的典范：BART111
课后练习112
第6章 大数据基础与应用114
6.1 大数据的定义115
6.1.1 数据洪流的起源：大数据的诞生115
6.1.2 数据源泉的演变：大数据的历史脉络与发展阶段116
6.1.3 数据的力量：大数据的核心作用117
6.1.4 数据与智能的交汇：大数据在人工智能中的角色118
6.2 大数据的特性119
6.2.1 容量的广袤：大数据的数据量119
6.2.2 速度的挑战：大数据的速度120
6.2.3 多样性的融合：大数据的种类120
6.2.4 真实性的探寻：大数据的真实性121
6.2.5 价值的挖掘：大数据的价值121
6.3 大数据架构122
6.3.1 架构的蓝图：大数据架构的定义与框架122
6.3.2 架构的实现：大数据架构的关键技术123
6.3.3 Hadoop的宇宙：Hadoop体系架构的深入解析124
6.4 大数据技术126
6.4.1 数据的捕获：大数据采集技术126
6.4.2 数据的仓库：大数据存储解决方案127
6.4.3 数据的加工：大数据的处理技术127
6.4.4 数据的智慧：大数据分析方法128
6.5 数据可视化130
6.5.1 可视化的力量：数据可视化的内涵与价值130
6.5.2 可视化的技巧：数据可视化的策略与方法131
6.5.3 可视化的工具：数据可视化工具的选择与应用132
6.5.4 可视化的实践：数据可视化在多领域的实际应用案例138
6.6 云计算140
6.6.1 云端的奥秘：云计算的定义与本质140
6.6.2 云端的力量：云计算的功能与优势141
6.6.3 云端的多样性：云计算的部署模式141
6.6.4 云端的心脏：云计算数据中心的构建142
6.6.5 云端的应用：云计算在实际场景中的运用144
课后练习145
第7章 大语言模型基础及应用147
7.1 大语言模型基本概况148
7.1.1 大语言模型的应用领域148
7.1.2 大语言模型的优势与挑战148
7.2 大语言模型的发展历程149
7.2.1 早期的尝试149
7.2.2 Transformer的诞生150
7.2.3 大语言模型的快速发展150
7.3 架构的基石Transformer151
7.3.1 语言的编码：嵌入编码技术151
7.3.2 并行的智慧：多头自注意力机制152
7.3.3 理解的桥梁：编码器的构建153
7.3.4 创造的引擎：解码器的原理153
7.4 大语言模型的应用实践154
7.4.1 提示词工程：解锁大语言模型的潜能154
7.4.2 交流的艺术：对话系统的应用159
7.4.3 文字的力量：文字创作与翻译160
7.4.4 图像的魔法：图像生成162
7.4.5 动态的叙事：视频生成技术164
7.4.6 知识的融合：跨模态学习的应用166
7.4.7 编程新范式：大语言模型在编程中的应用168
课后习题171
第8章 人工智能伦理173
8.1 人工智能的挑战173
8.1.1 挑战的风暴：数据隐私与安全173
8.1.2 偏见的迷雾：算法偏见与公平性175
8.1.3 决策的困境：自动化决策与责任归属177
8.1.4 道德的追问：机器道德与权利179
8.2 人工智能的伦理规范180
8.2.1 基石的奠定：人工智能伦理的理论基础180
8.2.2 伦理的困境：未来人工智能伦理难题182
8.2.3 领域的规范：不同领域的人工智能伦理规范182
8.2.4 政策的引领：国际与国内的人工智能伦理规范政策184
课后练习185
第9章 人工智能应用实战186
9.1 AI在计算机编程中的应用186
9.1.1 基本应用方法186
9.1.2 应用案例187
9.2 AI在办公场景中的应用193
9.2.1 基本应用方法193
9.2.2 应用案例194
9.3 大语言模型在学科竞赛中的应用202
9.3.1 应用流程202
9.3.2 应用案例203
9.4 AI在外语学习中的应用215
9.4.1 基本应用方法215
9.4.2 应用案例218
9.5 AI在个人求职中的应用221
9.5.1 基本应用方法222
9.5.2 应用实践222
9.6 AI在科研论文中的应用226
9.6.1 基本应用方法226
9.6.2 应用案例227
9.7 AI在高效学习中的应用234
9.7.1 基本应用方法234
9.7.2 应用案例235
9.8 AI在智能助手中的应用245
9.8.1 基本应用方法245
9.8.2 应用案例245
附录A 大模型问答评价标准251
附录B 项目报告模板252
参考文献253
|
|
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
暢銷書架
