人工智能概論——面向通識課程
張娜娜 等
- 出版商: 電子工業
- 出版日期: 2025-06-01
- 售價: $299
- 語言: 簡體中文
- 頁數: 236
- ISBN: 7121503735
- ISBN-13: 9787121503733
下單後立即進貨 (約4週~6週)
商品描述
本書從實用性和先進性出發，較全面地介紹人工智能的發展脈絡、基本理論以及現代人工智能新技術與應用案例。全書共7章，第1章緒論，介紹人工智能的概念和發展簡史，當前發展方向、研究熱點，基本研究內容、所采用的研究方法；第2章討論傳統經典人工智能的知識表示、知識工程、搜索技術、群智能算法、知識圖譜、專家系統和規劃技術等基本知識，同時闡明人工智能研究中的數學基礎和作用；第3章主要介紹實踐人工智能應用的編程語言Python；第4章主要以Scikit-learn為基礎介紹機器學習的基礎知識和實踐案例；第5章為人工神經網絡與深度學習，內容包括BP神經網絡、卷積神經網絡CNN、循環神經網絡RNN以及生成對抗網絡GAN及其相關應用案例，並簡單介紹深度學習工具；第6章討論人工智能的應用領域，包括計算機視覺、自然語言處理、語音識別、專家系統、知識圖譜、多智能體和智能機器人等；第7章介紹新一代人工智能技術，對未來人工智能的發展方向和趨勢進行展望，提出了當前面臨的風險和挑戰。本書提供配套電子課件PPT、源代碼等電子資源。 本書可作為高等院校本科教材。
目錄大綱
目 錄
第1章 緒論 1
1.1 人工智能的概念 1
1.2 人工智能的發展簡史 2
1.3 人工智能的發展方向 5
1.4 人工智能的研究內容和研究方法 6
1.5 本章小結 7
習題1 8
第2章 經典人工智能及數學基礎 10
2.1 經典人工智能的研究內容 10
2.2 經典人工智能的研究目標與研究路徑 10
2.2.1 概念表示 11
2.2.2 知識表示 11
2.2.3 知識工程 12
2.2.4 知識圖譜 12
2.2.5 搜索技術 13
2.2.6 群智能算法 14
2.2.7 專家系統 16
2.2.8 規劃技術 16
2.3 數學基礎 17
2.3.1 人工智能必備的數學基礎 17
2.3.2 數學在人工智能中的作用 17
2.3.3 數學在人工智能中的支撐作用 20
2.4 本章小結 21
習題2 21
第3章 人工智能編程基礎 24
3.1 人工智能編程環境 24
3.2 Anaconda環境的搭建 25
3.2.1 Windows下Anaconda環境的搭建 25
3.2.2 macOS下Anaconda環境的搭建 28
3.2.3 Linux下Anaconda環境的搭建 29
3.3 Python語法基礎 31
3.3.1 Python語言的特點 31
3.3.2 Python編程第一步 32
3.3.3 Python基本語法 32
3.3.4 基本數據類型 34
3.3.5 變量 35
3.3.6 運算符與表達式 37
3.3.7 控制流 39
3.3.8 數據結構 46
3.3.9 輸入與輸出 58
3.3.10 函數 59
3.3.11 類和對象 61
3.3.12 文件操作 66
3.4 Python模塊和包 68
3.4.1 模塊 68
3.4.2 包 70
3.4.3 第三方庫 71
3.5 本章小結 73
習題3 73
第4章 機器學習 77
4.1 機器學習簡介 77
4.1.1 塞繆爾的跳棋 77
4.1.2 淺層學習與深度學習 78
4.2 淺層學習 80
4.2.1 監督學習 80
4.2.2 無監督學習 80
4.2.3 弱監督學習 80
4.2.4 強化學習 81
4.3 數據集和數據集預處理 81
4.3.1 數據集 81
4.3.2 數據預處理 82
4.3.3 數據集分割 86
4.4 模型評估 89
4.4.1 欠擬合、過擬合、適度擬合 89
4.4.2 分類評價指標 90
4.4.3 回歸評價指標 91
4.5 常用機器學習算法 92
4.5.1 線性回歸 92
4.5.2 支持向量機 94
4.5.3 樸素貝葉斯 98
4.5.4 邏輯回歸 99
4.5.5 K最近鄰算法 101
4.5.6 決策樹 103
4.5.7 隨機森林 105
4.5.8 梯度提升決策樹 107
4.5.9 K均值聚類 109
4.5.10 層次聚類 112
4.5.11 DBSCAN聚類 114
4.5.12 主成分分析 117
4.6 本章小結 119
習題4 119
第5章 人工神經網絡與深度學習 122
5.1 人工神經網絡 122
5.1.1 人工神經網絡的發展歷程 123
5.1.2 人工神經網絡簡介 125
5.2 BP神經網絡 128
5.2.1 BP神經網絡的背景及原理 128
5.2.2 BP算法的基本思想 131
5.2.3 BP神經網絡算法實現 133
5.3 卷積神經網絡 137
5.3.1 CNN的原理 139
5.3.2 經典的CNN 144
5.3.3 CNN應用案例 147
5.4 循環神經網絡 150
5.4.1 RNN的原理與演變 150
5.4.2 RNN應用案例 153
5.5 生成對抗網絡 156
5.5.1 GAN原理 156
5.5.2 GAN應用案例 159
5.6 深度學習工具 162
5.7 本章小結 163
習題5 163
第6章 人工智能應用 167
6.1 計算機視覺 167
6.1.1 十大算法模型 167
6.1.2 典型應用 171
6.2 自然語言處理 171
6.3 語音識別 172
6.4 專家系統 173
6.5 知識圖譜 176
6.6 多智能體 180
6.7 智能機器人 181
6.8 本章小結 185
習題6 185
第7章 新一代人工智能技術 188
7.1 人工智能技術的現狀 188
7.1.1 ChatGPT 188
7.1.2 DeepSeek 191
7.1.3 其他大模型 196
7.2 人工智能技術展望 199
7.2.1 弱人工智能與強人工智能 199
7.2.2 人工智能的風險與挑戰 201
7.3 本章小結 202
習題7 202
附錄A 與本書相關的軟件及其需獨立安裝的第三方庫列表 205
附錄B 機器學習的數學基礎 206
B.1 高等數學 206
B.2 線性代數 211
B.3 概率論和數理統計 217
參考文獻 225
