人工智能導論與實踐(微課視頻版)

何東彬、楊爭艷、宋宇斐、朱艷紅

  • 人工智能導論與實踐(微課視頻版)-preview-1
  • 人工智能導論與實踐(微課視頻版)-preview-2
  • 人工智能導論與實踐(微課視頻版)-preview-3
  • 人工智能導論與實踐(微課視頻版)-preview-4
  • 人工智能導論與實踐(微課視頻版)-preview-5
人工智能導論與實踐(微課視頻版)-preview-1

相關主題

商品描述

"本書全面介紹人工智能的基本原理,以及相關研究領域的核心內容、**進展與發展方向。本書深入講解人工智能的核心技術,並以5個經典學習案例貫穿全書,涵蓋計算機視覺和自然語言處理兩大重要應用領域。 全書共6章,主要內容包括人工智能、機器學習、深度學習、計算機視覺、自然語言處理、智能機器人。本書特別強調實踐性,每個案例都結合實際應用,有助於讀者掌握經典神經網絡結構並進入人工智能領域從事相關工作。 本書可作為高等院校計算機類、軟件工程、人工智能等相關專業的“人工智能”課程的教材,也可作為感興趣讀者的自學讀物,還可作為相關行業技術人員的參考用書。 "

作者簡介

何東彬,男,石家莊學院教師,副教授。主編和參編過多本教材(大連理工大學出版社、清華大學出版社、電子工業出版社等),主持和參與教學改革和科研項目共計26項,發表論文20篇,其中SCI、CCF、EI、ISTP、核心期刊共13篇。主持和參與省級課題4項,主持校級項目3項。

目錄大綱

目錄

 

資源下載

 

 

第1章人工智能

 

1.1人工智能概述

 

1.1.1人工智能的定義

 

1.1.2人工智能的歷史

 

1.2人工智能的研究內容

 

1.2.1認知建模

 

1.2.2知識表示

 

1.2.3自動推理

 

1.2.4機器感知

 

1.2.5機器思維

 

1.3人工智能技術分類

 

1.3.1機器學習

 

1.3.2深度學習

 

1.3.3自然語言處理

 

1.3.4計算機視覺

 

1.3.5專家系統

 

1.3.6智能機器人

 

1.4人工智能應用

 

1.4.1智慧醫療

 

1.4.2智能金融

 

1.4.3智能制造

 

1.4.4自動駕駛

 

1.4.5智能家居

 

習題

 

第2章機器學習

 

2.1機器學習概述

 

2.2機器學習方法

 

 

2.2.1有監督學習

 

2.2.2無監督學習

 

2.2.3遷移學習

 

2.2.4強化學習

 

2.3分類與回歸

 

2.3.1分類模型

 

2.3.2回歸模型

 

2.4機器學習庫

 

2.4.1TensorFlow

 

2.4.2Keras

 

2.4.3PyTorch

 

2.4.4Scikitlearn

 

2.4.5NumPy

 

2.4.6Pandas

 

2.4.7Matplotlib

 

2.5項目實踐

 

2.5.1環境安裝

 

2.5.2PyTorch基礎

 

習題

 

 

人工智能導論與實踐(微課視頻版)

目錄

 

 

 

 

第3章深度學習

 

3.1神經網絡

 

3.1.1神經網絡簡介

 

3.1.2神經網絡發展史

 

3.1.3神經網絡模型

 

3.2學習案例1: 房價預測

 

3.2.1線性回歸模型

 

3.2.2模型參數確定

 

3.2.3模型評估方法

 

3.2.4梯度下降算法

 

3.2.5PyTorch中的梯度下降

 

3.2.6模型訓練中的優化問題

 

3.2.7神經網絡類

 

3.3學習案例2: 乳腺癌預測

 

3.3.1數據處理

 

3.3.2神經網絡類定義

 

3.3.3模型訓練與預測

 

習題

 

第4章計算機視覺

 

4.1計算機視覺概述

 

4.1.1計算機視覺簡介

 

4.1.2計算機視覺發展史

 

4.1.3計算機視覺應用與挑戰

 

4.2學習案例3: 手寫數字識別

 

4.2.1計算機圖像的表示

 

4.2.2數據處理

 

4.2.3二分類與多分類

 

4.2.4多層神經網絡

 

4.3學習案例4: CIFAR10圖像分類

 

4.3.1CIFAR10簡介

 

4.3.2卷積神經網絡

 

4.3.3卷積層

 

4.3.4池化層

 

4.3.5多層處理

 

4.3.6全連接層

 

4.3.7構建CIFAR10分類網絡

 

習題

 

 

 

第5章自然語言處理

 

5.1自然語言處理概述

 

5.1.1自然語言處理簡介

 

5.1.2自然語言處理發展史

 

5.1.3自然語言處理應用與挑戰

 

5.2文本預處理

 

5.2.1分詞

 

5.2.2停用詞

 

5.2.3詞的文本表示

 

5.3語言模型

 

5.3.1語言模型的定義和應用

 

5.3.2統計語言模型

 

5.3.3神經網絡語言模型

 

5.4學習案例5: 情感分析

 

5.4.1獲取IMDB影評數據集

 

5.4.2數據預處理

 

5.4.3字典編碼

 

5.4.4數據分批

 

5.4.5情感分析神經網絡類

 

5.4.6訓練與測試

 

習題

 

 

第6章智能機器人

 

6.1大語言模型

 

6.1.1大語言模型簡介

 

6.1.2大語言模型發展史

 

6.1.3應用、趨勢與發展

 

6.2智能機器人概述

 

6.2.1機器人簡介

 

6.2.2認識智能機器人

 

6.2.3智能機器人的發展現狀

 

6.2.4智能機器人的前景

 

6.3智能機器人的核心技術

 

6.3.1感知技術

 

6.3.2路徑規劃

 

6.3.3定位導航

 

6.3.4人機交互

 

6.3.5自主學習

 

6.4智能機器人的應用

 

習題

 

參考文獻