人工智能通識教程
韓仲誌,鄧立苗,趙磊
- 出版商: 電子工業
- 出版日期: 2025-10-01
- 售價: $354
- 語言: 簡體中文
- 頁數: 204
- ISBN: 7121513706
- ISBN-13: 9787121513701
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
商品描述
人工智能通識課程旨在普及人工智能基礎知識，幫助學生理解人工智能的概念及其在各個領域的應用，掌握人工智能的核心算法和關鍵技術。 本書圍繞人工智能的基本概念、關鍵技術及具體應用展開介紹，共6章。第1章為人工智能概論，介紹什麼是人工智能，人工智能能做什麼，人工智能的研究領域和面臨的挑戰等；第2章主要圍繞Python語言及相關開發環境進行系統介紹，便於後續深入開展人工智能實踐及應用研究；第3章主要介紹機器學習的概念及常用方法，包括回歸、分類和聚類算法，並通過實踐案例展示特征工程、回歸分析、分類等技術在實際場景中的應用；第4章介紹深度學習基本思想，重點介紹深度學習3個方面的應用，包括圖像分類任務、回歸任務和目標檢測任務；第5章介紹大模型關鍵技術，並面向理工、農業、人文和經管類專業提供可選擇的實踐案例；第6章主要介紹人工智能的典型應用場景，分別從智慧交通、智慧農業、智慧醫療、智慧商務、智慧創作5個方面進行介紹。 本書提供教學大綱、教學課件、實踐案例、習題解答等數字化資源，讀者可登錄華信教育資源網免費下載。 本書既可作為高等學校相關專業人工智能通識課程的教材，也適合對人工智能技術感興趣的廣大讀者閱讀。
目錄大綱
第1章 人工智能概論 1
1.1 什麼是人工智能 2
1.1.1 人工智能的定義 2
1.1.2 人工智能的發展脈絡 3
1.1.3 人工智能的分類體系 5
1.2 人工智能能做什麼 6
1.2.1 感知世界 6
1.2.2 理解信息 7
1.2.3 做出決策 7
1.3 人工智能的研究領域 9
1.3.1 機器學習 9
1.3.2 深度學習 10
1.3.3 自然語言處理 11
1.3.4 計算機視覺 12
1.3.5 智能機器人 12
1.4 人工智能面臨的挑戰 13
1.4.1 數據問題 13
1.4.2 算法透明性和可解釋性 14
1.4.3 道德與倫理問題 14
1.4.4 法律與監管問題 14
1.4.5 社會影響 15
1.4.6 安全性問題 15
本章小結 15
習題1 16
第2章 開發語言與環境 17
2.1 Python語言簡介 18
2.1.1 Python語言發展歷程 18
2.1.2 Python語言特點 20
2.2 Python開發環境搭建 21
2.2.1 Python下載與安裝 21
2.2.2 Anaconda下載與安裝 23
2.3 Python集成開發環境 26
2.3.1 Python常用IDE簡介 26
2.3.2 PyCharm下載與安裝 26
2.3.3 PyCharm環境配置 29
2.4 運行Python程序 32
2.4.1 使用IDLE運行Python程序 32
2.4.2 使用Spyder運行Python程序 33
2.4.3 使用PyCharm運行Python程序 35
2.5 Python擴展庫 36
本章小結 37
習題2 38
第3章 機器學習 39
3.1 機器學習概述 40
3.1.1 定義與核心思想 40
3.1.2 機器學習系統的基本組成 41
3.1.3 發展歷程 42
3.1.4 機器學習的主要類型 44
3.1.5 機器學習流程 46
3.2 回歸分析 49
3.2.1 回歸分析概述 49
3.2.2 線性回歸 51
3.2.3 多項式回歸 62
3.3 分類 69
3.3.1 神經網絡 69
3.3.2 支持向量機 72
3.3.3 決策樹 74
3.3.4 隨機森林 78
3.3.5 模型評估指標 79
3.4 聚類分析 81
3.4.1 聚類分析概述 81
3.4.2 K-Means聚類 84
3.4.3 層次聚類 85
3.4.4 模型評估指標 87
3.5 實踐案例 88
3.5.1 特征工程 88
3.5.2 回歸分析 94
3.5.3 分類 98
本章小結 112
習題3 113
第4章 深度學習 114
4.1 深度學習概述 115
4.1.1 什麼是深度學習 115
4.1.2 深度學習框架 115
4.1.3 深度網絡中的常用操作 116
4.1.4 優化算法 119
4.1.5 正則化和歸一化技術 120
4.2 深度學習應用一：圖像分類 122
4.2.1 CIFAR10數據集 122
4.2.2 構建網絡 124
4.2.3 選擇優化器和損失函數 125
4.2.4 訓練模型 125
4.2.5 測試模型 126
4.2.6 模型保存與加載 127
4.3 深度學習應用二：回歸 128
4.3.1 數據加載和預處理 128
4.3.2 模型建立 129
4.3.3 模型訓練與評估 129
4.4 深度學習應用三：目標檢測 132
4.4.1 目標檢測的評估指標 132
4.4.2 準備數據 133
4.4.3 編寫代碼 134
4.4.4 可視化結果 134
本章小結 136
習題4 136
第5章 大模型 137
5.1 初識大模型 138
5.1.1 什麼是大模型 138
5.1.2 大模型的前世今生 138
5.1.3 常見大模型簡介 139
5.2 大模型能做什麼 141
5.2.1 理解與生成文字 141
5.2.2 多模態應用 141
5.2.3 行業應用實例 142
5.3 關鍵技術淺說 143
5.3.1 預訓練+微調範式 143
5.3.2 註意力機制 145
5.3.3 提示詞工程 147
5.4 挑戰與思考 148
5.4.1 存在的問題 148
5.4.2 如何用好大模型 149
5.4.3 未來展望 150
5.5 實踐案例 152
5.5.1 理工類：代碼生成與調試 152
5.5.2 農業類：農業知識問答 155
5.5.3 人文類：社會輿論觀點聚類分析 155
5.5.4 經管類：基金年報分析 156
本章小結 158
習題5 158
第6章 人工智能應用場景 159
6.1 智慧交通 160
6.1.1 智慧交通概述 160
6.1.2 應用案例 161
6.1.3 發展前景和挑戰 165
6.2 智慧農業 166
6.2.1 智慧農業概述 167
6.2.2 應用案例 168
6.2.3 發展前景和挑戰 173
6.3 智慧醫療 174
6.3.1 智慧醫療概述 174
6.3.2 應用案例 175
6.3.3 發展前景與挑戰 179
6.4 智慧商務 180
6.4.1 智慧商務概述 180
6.4.2 應用案例 181
6.4.3 發展前景和挑戰 185
6.5 智慧創作 186
6.5.1 智慧創作概述 186
6.5.2 應用案例 186
6.5.3 發展前景與挑戰 192
本章小結 194
習題6 194
參考文獻 195
