人工智能與應用實踐

劉曉強

人工智能與應用實踐
  • 出版商: 電子工業
  • 出版日期: 2026-06-01
  • 售價: $354
  • 語言: 簡體中文
  • 頁數: 268
  • ISBN: 7121529955
  • ISBN-13: 9787121529955
  • 相關分類: Large language model

    • 下單後立即進貨 (約4週~6週)

商品描述

本書以智能技術演進為主線，構建從傳統人工智能、現代數據智能到前沿生成智能的完整知識體系。首先闡釋搜索智能、知識智能的簡明原理，再聚焦機器學習、深度學習建模方法，以及計算機視覺、自然語言處理、時序數據分析等經典應用技術，最後介紹人工智能生成內容、大語言模型（LLM）、檢索增強生成（RAG）、智能體（Agent）等前沿應用方向。 全書以理解智能原理和應用實踐為目標，采用案例驅動方式，並借助大語言模型賦能編寫思路，通過行業鮮活案例全流程剖析建模邏輯，以Python語言簡化算法理解，將大語言模型作為輔助開發工具貫穿全書，形成從原理、技術到應用的閉環知識結構。配套有自研零代碼工具Mr.AI，提供豐富的實踐題目和數據集，幫助讀者輕松入門，構建AI思維，掌握核心技術，進而實現領域應用落地。 本書提供豐富的教學資源，可登錄華信教育資源網免費獲取電子課件、教學案例、部分例題源代碼及數據集等資源，也可掃描書中的二維碼獲取相關資源。 本書通俗易懂、實例鮮活、技術先進、實操性強，既適合作為高等院校非計算機專業本科及研究生人工智能通識課程、“AI+”跨學科能力培養教材，也可供初學者自學或職場人士AI應用開發實踐參考。

目錄大綱

第1章 人工智能概述 1
1.1 人工智能發展歷程 1
1.1.1 人工智能的誕生 1
1.1.2 人工智能的定義 3
1.1.3 人工智能的發展歷程 3
1.1.4 人工智能的三要素 6
1.2 大語言模型及其應用 8
1.2.1 大語言模型概述 8
1.2.2 大語言模型提示工程 10
1.2.3 大語言模型輔助學習 13
1.3 人工智能倫理素養 15
1.3.1 人工智能倫理風險 15
1.3.2 人工智能倫理問題對策 16
實驗與思考 18
第2章 搜索智能 19
2.1 搜索算法 19
2.1.1 盲目搜索 19
2.1.2 啟發式搜索 20
2.1.3 對抗搜索 23
2.1.4 蒙特卡洛樹搜索算法 27
2.2 遺傳算法 31
2.2.1 遺傳算法原理 31
2.2.2 遺傳算法應用 35
實驗與思考 39
第3章 知識智能 41
3.1 知識表示方法 41
3.1.1 知識概述 41
3.1.2 語義網絡 42
3.2 知識圖譜及應用 43
3.2.1 認識知識圖譜 43
3.2.2 知識圖譜構建 44
3.2.3 知識計算 46
3.2.4 知識圖譜應用 47
實驗與思考 48
第4章 數據智能 50
4.1 機器學習概述 50
4.1.1 機器學習建模流程 50
4.1.2 機器學習任務類型 51
4.2 結構化數據建模任務 54
4.2.1 用線性回歸實現數值預測 54
4.2.2 用邏輯回歸實現分類 70
4.2.3 用K-means算法實現聚類 84
實驗與思考 92
第5章 機器學習常用算法與集成學習 95
5.1 機器學習常用算法 95
5.1.1 K近鄰算法 95
5.1.2 支持向量機 98
5.1.3 決策樹 99
5.1.4 集成學習 110
5.2 人工神經網絡 116
5.2.1 人工神經網絡原理概述 116
5.2.2 神經網絡建模實現 126
5.2.3 神經網絡建模優化 131
5.3 模型可解釋性分析 135
實驗與思考 138
第6章 計算機視覺 140
6.1 視覺智能基礎 140
6.1.1 圖像的數字化表示 140
6.1.2 計算機視覺任務場景 141
6.1.3 用神經網絡進行圖像分類 143
6.2 深度學習用於計算機視覺 146
6.2.1 卷積神經網絡 146
6.2.2 用CNN實現圖像分類 150
6.2.3 預訓練模型及其應用 159
實驗與思考 172
第7章 自然語言處理 174
7.1 文本處理基礎 174
7.1.1 文本數據的表示方法 174
7.1.2 自然語言處理任務場景 177
7.1.3 文本情感分析案例 178
7.2 深度學習用於文本分析 182
7.2.1 循環神經網絡 182
7.2.2 RNN實現文本分析 184
7.2.3 復雜神經網絡結構實現 186
實驗與思考 191
第8章 時序數據分析 193
8.1 時序數據預測 193
8.1.1 時序數據概述 193
8.1.2 時序數據預測案例 194
8.2 音頻處理 199
8.2.1 音頻數據及常見任務 199
8.2.2 音頻特征提取與建模 200
8.2.3 語音識別方法 203
實驗與思考 204
第9章 人工智能生成內容 206
9.1 文本生成 206
9.1.1 用RNN進行古詩創作 206
9.1.2 用Seq2Seq模型實現自動翻譯 208
9.1.3 大語言模型的架構 209
9.2 圖像生成 212
9.2.1 圖像生成概述 212
9.2.2 Diffusion生成 214
實驗與思考 217
第10章 人工智能應用集成開發 218
10.1 人工智能應用集成開發概述 218
10.1.1 智能API服務集成 218
10.1.2 大語言模型API服務 223
10.1.3 基於Web發布AI應用 226
10.2 大語言模型部署和微調 231
10.2.1 大語言模型本地部署 231
10.2.2 大語言模型微調 233
10.3 大語言模型應用開發 237
10.3.1 檢索增強生成 237
10.3.2 智能體 240
實驗與思考 246
附錄A Mr.AI零代碼人工智能實驗平臺 247
附錄B VS Code集成開發環境 252
參考文獻 258

類似商品