人工智能導論：從零開始理解AI
曾煥強 施一帆 朱建清 陳婧 張宏怡 朱顯丞 林琦 龔鑫榮 蔡磊 項文傑 杜永兆 鄭惠潔
- 出版商: 清華大學
- 出版日期: 2026-06-01
- 售價: $396
- 語言: 簡體中文
- ISBN: 730271780X
- ISBN-13: 9787302717805
-
相關分類:
Machine Learning、DeepLearning、Natural Language Processing、Computer Vision
下單後立即進貨 (約4週~6週)
商品描述
作者簡介
目錄大綱
目 錄
第1章 日新月異：人工智能概述 1
1.1 人工智能的基本概念 1
1.1.1 從信息化到智慧化 1
1.1.2 人工智能的含義 2
1.1.3 人工智能三大學派 4
1.1.4 人工智能的關鍵技術 5
1.2 人工智能的發展 7
1.2.1 人工智能的起源 8
1.2.2 人工智能的發展史 8
1.2.3 人工智能現狀 11
1.3 人工智能與“三朵金花” 13
1.3.1 大數據 13
1.3.2 物聯網 15
1.3.3 雲計算 17
1.4 人工智能產業 19
1.4.1 人工智能產業圖譜 19
1.4.2 人工智能基礎層 20
1.4.3 人工智能技術層 22
1.4.4 人工智能應用層 24
1.5 人工智能的影響 25
1.5.1 科學影響 26
1.5.2 經濟影響 26
1.5.3 社會影響 26
1.5.4 思維模式 27
本章小結 27
習題 27
第2章 得心應手：人工智能軟硬件平臺 29
2.1 人工智能芯片 29
2.1.1 人工智能芯片簡介 29
2.1.2 人工智能芯片技術 31
2.1.3 人工智能芯片公司 34
2.2 人工智能系統平臺 36
2.2.1 國際先驅 37
2.2.2 中國AI力量崛起 38
2.2.3 零門檻體驗AI開發平臺 39
2.3 人工智能開發環境 44
2.3.1 AI開發首選語言——Python 44
2.3.2 主流深度學習框架 46
2.3.3 集成開發環境 49
2.3.4 人工智能編程案例 53
本章小結 54
習題 54
第3章 博聞強識：知識圖譜 55
3.1 知識圖譜概述 55
3.1.1 知識的基本概念 55
3.1.2 知識表示方法 56
3.1.3 知識圖譜的提出與基本概念 60
3.2 知識圖譜構建 62
3.2.1 知識圖譜構建流程 62
3.2.2 知識抽取的方法 64
3.2.3 知識融合的策略 66
3.3 知識圖譜推理 67
3.3.1 知識推理的定義與分類 67
3.3.2 基於規則的推理方法 68
3.3.3 基於神經網絡的推理方法 70
3.4 知識圖譜應用 72
3.4.1 搜索引擎與信息檢索 72
3.4.2 智能推薦系統 73
本章小結 74
習題 75
第4章 學以致用：機器學習與深度學習 76
4.1 機器學習概述 76
4.1.1 機器學習的基本概念 76
4.1.2 機器學習的分類 77
4.1.3 機器學習的流程 80
4.2 機器學習經典算法 81
4.2.1 K近鄰 81
4.2.2 線性回歸與邏輯回歸 82
4.2.3 決策樹與隨機森林 83
4.2.4 支持向量機 84
4.2.5 K均值聚類 85
4.3 深度學習 86
4.3.1 深度學習的定義 87
4.3.2 深度學習的發展歷程 88
4.3.3 深度學習的基礎理論 89
4.3.4 神經網絡的訓練過程 90
4.4 深度學習模型 92
4.4.1 卷積神經網絡 92
4.4.2 循環神經網絡 94
4.4.3 生成對抗網絡 95
4.4.4 自編碼器網絡 96
4.4.5 擴散模型 97
4.4.6 Transformer 98
本章小結 99
習題 100
第5章 別具慧眼：計算機視覺 101
5.1 計算機視覺概述 101
5.1.1 人類視覺與計算機視覺 101
5.1.2 計算機視覺的發展歷程 102
5.1.3 圖像表示與處理 103
5.2 計算機視覺關鍵技術 105
5.2.1 視覺層次揭秘：從低級視覺到高級視覺 106
5.2.2 視覺的維度跳躍：二維與三維的數據轉換 106
5.2.3 二維視覺處理技術 109
5.2.4 三維視覺處理技術 118
5.3 智能視覺應用 123
5.3.1 自動駕駛系統 124
5.3.2 智能視頻監控 125
5.3.3 醫療影像分析 126
本章小結 127
習題 127
第6章 耳聽八方：語音處理 128
6.1 語音處理概述 128
6.1.1 語音處理的基本概念 128
6.1.2 語音處理的發展歷程 129
6.1.3 語音處理的重要性與挑戰 131
6.2 語音處理中的關鍵技術 132
6.2.1 語音信號預處理 132
6.2.2 語音識別 134
6.2.3 語音合成 138
6.2.4 語音增強 140
6.3 語音處理應用 141
6.3.1 智能語音助手 142
6.3.2 客服與自動化應答系統 143
6.3.3 語音分析與監控 144
6.3.4 語音翻譯與跨語言交流 145
本章小結 146
習題 146
第7章 能說會道：自然語言處理 147
7.1 自然語言處理的基本概念 147
7.1.1 自然語言處理的難點 147
7.1.2 自然語言處理的發展歷程 148
7.1.3 自然語言處理的主要流派與技術路線 150
7.2 自然語言處理關鍵技術 150
7.2.1 文本數據的存儲與處理 150
7.2.2 語料庫構建 154
7.2.3 文本向量化技術 155
7.3 自然語言處理應用 157
7.3.1 語言模型與文本生成 157
7.3.2 分類任務與情感分析 159
7.3.3 機器翻譯與跨語言理解 165
7.3.4 其他熱門應用場景 168
本章小結 170
習題 170
第8章 行動自如：智能機器人 171
8.1 智能機器人概述 171
8.1.1 智能機器人的基本概念 171
8.1.2 智能機器人的發展歷程 173
8.1.3 智能機器人的分類 175
8.2 智能機器人的關鍵技術 180
8.2.1 智能機器人傳感技術 180
8.2.2 智能機器人控制技術 184
8.2.3 智能機器人驅動技術 190
8.3 智能機器人產品及應用 194
8.4 具身智能的應用及未來展望 195
本章小結 195
習題 196
第9章 物競天擇：進化計算 197
9.1 進化計算概述 197
9.1.1 遺傳、變異、進化 197
9.1.2 進化計算的起源 198
9.1.3 進化計算的定義及特點 200
9.2 進化計算典型方法 202
9.2.1 單目標遺傳算法 202
9.2.2 多目標遺傳算法 204
9.3 進化計算的應用 205
9.3.1 復雜數學優化問題 206
9.3.2 旅行商優化問題 207
9.3.3 模型參數優化 209
9.3.4 多場景應用 211
本章小結 212
習題 212
第10章 妙筆生花：AIGC 214
10.1 AIGC概述 214
10.1.1 AIGC的定義 214
10.1.2 AIGC的發展歷程 215
10.1.3 底層原理 218
10.2 AIGC應用平臺 220
10.2.1 ChatGPT 220
10.2.2 Stable Diffusion 222
10.2.3 Midjourney 224
10.2.4 DeepSeek 224
10.3 AIGC賦能行業 225
10.3.1 AIGC+教育 226
10.3.2 AIGC+醫療 230
10.3.3 AIGC+影視 232
10.3.4 AIGC+遊戲 235
本章小結 236
習題 236
第11章 融會貫通：AI大模型 237
11.1 AI大模型概述 237
11.1.1 AI大模型的定義與特點 237
11.1.2 AI大模型的起源與演變 240
11.1.3 AI大模型的核心要素 242
11.1.4 AI大模型的優勢與挑戰 244
11.2 AI大模型關鍵技術 246
11.2.1 數據預處理與預訓練技術 246
11.2.2 模型訓練與優化技術 248
11.2.3 模型壓縮與加速技術 250
11.3 AI大模型應用 251
11.3.1 自然語言處理中的大模型應用 251
11.3.2 計算機視覺中的大模型應用 253
11.3.3 跨模態任務中的大模型應用 255
11.3.4 垂直領域中的大模型應用 257
本章小結 260
習題 260
第12章 數智賦能：人工智能應用 261
12.1 AI for Science 261
12.1.1 AI for Science的定義與內涵 261
12.1.2 AI與電子科學 262
12.1.3 AI與材料科學 263
12.1.4 AI與生命科學 263
12.1.5 AI與能源科學 264
12.2 智能制造 265
12.2.1 智能制造的定義與內涵 265
12.2.2 智能車間 266
12.2.3 智能工廠 267
12.2.4 智慧供應鏈 268
12.2.5 智能裝備 268
12.2.6 智能服務 269
12.3 智慧醫療 270
12.3.1 智慧醫療的定義與內涵 270
12.3.2 智慧醫療助理 271
12.3.3 智能診斷與精準醫療 271
12.3.4 智能健康管理 272
12.3.5 智能醫學影像識別 272
12.4 智能家居 273
12.4.1 智能家居的定義與內涵 273
12.4.2 智能家電 274
12.4.3 智能安防 274
12.4.4 智能控制系統 275
12.4.5 智能家具 275
12.4.6 老齡化社會中的智能家居應用 276
12.5 智慧交通 276
12.5.1 智慧交通的定義與內涵 277
12.5.2 智慧出行 278
12.5.3 智能交通管理 278
12.5.4 智能停車系統 278
12.5.5 智慧路網 279
12.6 智慧教育 279
12.6.1 智慧教育的定義與內涵 280
12.6.2 智能化內容生成與推薦 280
12.6.3 智慧課堂 281
12.6.4 智能輔導與虛擬教師 282
12.6.5 智能答疑與個性化學習路徑 282
12.6.6 智能化評估與反饋 282
12.7 智慧金融 282
12.7.1 智慧金融的定義與內涵 283
12.7.2 智能風控 283
12.7.3 智能投顧與財富管理 284
12.7.4 智能營銷 285
12.7.5 智能反欺詐 285
12.7.6 智能合規與金融監管 285
本章小結 286
習題 286
第13章 與時俱進：人工智能展望 287
13.1 人工智能倫理問題 287
13.1.1 人工智能倫理的定義 287
13.1.2 人工智能倫理的核心問題 288
13.1.3 人工智能倫理的治理策略 290
13.2 人工智能安全問題 292
13.2.1 人工智能安全的定義 292
13.2.2 人工智能安全的重要性 293
13.2.3 人工智能安全的監管措施 296
13.3 人工智能發展方向 298
13.3.1 人工智能的前沿動態 298
13.3.2 人工智能的未來發展方向 300
本章小結 302
習題 303
參考文獻 304
