幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧通識(普通高等學校人工智慧通識系列教材)

  • 作者：叢潤民//李鋒//張偉|責編:李永泉//侯穎
  • 出版社：機械工業
  • ISBN：9787111779773
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：398
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本面向高等學校學生的基礎性通識類教材，旨在引領學生進入人工智慧這一前沿領域。
    全書內容分為「漲知識」與「開眼界」兩大板塊。在前五章構成的「漲知識」板塊中，系統地介紹了人工智慧的概念、發展歷程，以及知識推理和問題求解方法，並介紹了三種典型的人工智慧技術，即機器學習、深度學習和強化學習，包括其基礎理論、核心思想、關鍵技術等，幫助學生建立對人工智慧的宏觀認知和體系框架。在后五章組成的「開眼界」板塊中，通過對典型應用的介紹，展示了人工智慧在視覺感知、具身智能、智慧醫療、智慧生活等方面的廣闊應用前景，並在最後一章探討了大模型、生成式人工智慧、AI for Science等前沿技術熱點，旨在開闊學生的視野。
    作為一本人門級教材，本書旨在幫助學生建立對人工智慧的宏觀認知體系，重在培養學生的人工智慧科學素養和科技思維，適合作為理工農醫、人文社科等不同專業學生的通識課程教材。
作者介紹
叢潤民//李鋒//張偉|責編:李永泉//侯穎
    叢潤民     山東大學控制科學與工程學院教授，博士生導師，教育部青年長江學者、全球前2%頂尖科學家、山東省泰山學者青年專家。研究方向為人工智慧、模式識別、機器學習、具身智能，在TPAMI、IJCV、NeurIPS、CVPR、ICML、ICCV等國際頂級期刊和會議上發表論文120余篇，ESI熱點論文/高被引論文20余篇。     曾獲天津市科學技術進步一等獎、中國煤炭工業協會科學技術獎一等獎、中國圖象圖形學學會自然科學獎二等獎、IEEEChesterW.Sall紀念獎、IEEE傑出領導力獎、CVPR2025運動引導視頻目標分割挑戰賽冠軍、ECCV2024LSVOS指代視頻目標分割挑戰賽冠軍、IEEECVPRNTIRE雙目圖像超分挑戰賽亞軍、IEEEICME最佳學生論文獎亞軍、ACMSIGWEB中國新星獎、中國圖象圖形學學會優秀博士學位論文獎、《信號處理》2020-2022年度優秀論文獎、中國圖象圖形學學會科普先進工作者等。擔任IEEETNNLS等4個SCI期刊編委，山東省人工智慧學會常務理事等。     主講教育部-華為智能基座課程3門，獲中國人工智慧學會教學成果激勵計劃一類成果、山東省自動化學會普通高等教育教學成果一等獎、華為「棟樑之師」稱號及獎教金，指導中國圖學學會優秀碩士學位論文1項、北京圖象圖形學學會優秀碩士學位論文1項、校優秀碩士學位論文5項、校優秀本科畢業設計（論文）2項等，在國家級/省部級科創比賽中獲獎20項。
目錄
前言
板塊一  漲知識——人工智慧基礎理論
  第1章  人工智慧概述
    1.1  什麼是人工智慧
      1.1.1  人工智慧的定義與評估
      1.1.2  人工智慧基礎
    1.2  人工智慧發展史
    1.3  大模型時代下的人工智慧
      1.3.1  ChatGPT——走向通用性AI之路
      1.3.2  百花齊放的多模態大模型
    1.4  人工智慧倫理與規範
    1.5  人工智慧技術展望
      1.5.1  人工智慧的未來發展
      1.5.2  人工智慧融入尋常百姓家
    1.6  小結
    參考文獻
  第2章  知識推理與問題求解
    2.1  知識表示
      2.1.1  知識表示方法
      2.1.2  邏輯關係與規則
      2.1.3  知識圖譜
    2.2  知識推理
      2.2.1  概率推理
      2.2.2  因果推理
      2.2.3  知識圖譜推理
    2.3  搜索求解
      2.3.1  搜索問題的定義
      2.3.2  盲目搜索
      2.3.3  啟髮式搜索
    2.4  博弈論
      2.4.1  博弈論的起源與發展
      2.4.2  博弈論的定義與基礎
      2.4.3  經典博弈案例分析
    2.5  小結
    參考文獻
  第3章  機器學習基礎
    3.1  機器學習概述
    3.2  經典演算法
      3.2.1  監督學習
      3.2.2  無監督學習
    3.3  模型評估與選擇
      3.3.1  經驗誤差與過擬合
      3.3.2  評估方法
      3.3.3  性能度量
    3.4  當代機器學習概述
      3.4.1  深度學習
      3.4.2  強化學習
      3.4.3  圖學習
      3.4.4  聯邦學習
      3.4.5  遷移學習

    3.5  小結
    參考文獻
  第4章  深度學習
    4.1  從感知機到深度神經網路
      4.1.1  感知機
      4.1.2  前饋神經網路
      4.1.3  激活函數
    4.2  深度學習中的優化與學習
      4.2.1  損失函數
      4.2.2  梯度下降演算法
      4.2.3  反向傳播演算法
    4.3  深度學習框架
      4.3.1  Theano
      4.3.2  Caffe
      4.3.3  TensorFlow
      4.3.4  PyTorch
      4.3.5  PaddlePaddle
      4.3.6  MindSpore
    4.4  卷積神經網路
      4.4.1  卷積神經網路的核心組成
      4.4.2  卷積神經網路的架構探索
    4.5  序列到序列模型
      4.5.1  序列數據與序列任務
      4.5.2  循環神經網路的原理與結構
      4.5.3  基於門控單元的循環神經網路
    4.6  Transformer模型
      4.6.1  Transformer的核心組成
      4.6.2  Transformer的架構設計
    4.7  深度生成模型
      4.7.1  概率生成模型
      4.7.2  變分自編碼器
      4.7.3  生成對抗網路
    4.8  小結
    參考文獻
  第5章  強化學習
    5.1  強化學習基礎
      5.1.1  強化學習的發展歷史
      5.1.2  強化學習的基本概念
      5.1.3  馬爾可夫決策過程
      5.1.4  貝爾曼方程
    5.2  經典強化學習方法
      5.2.1  基於價值函數的方法
      5.2.2  基於策略的方法
    5.3  深度強化學習
    5.4  強化學習的應用
      5.4.1  智能機器人與強化學習
      5.4.2  自動駕駛與強化學習
      5.4.3  金融服務與強化學習
      5.4.4  遊戲AI與強化學習
    5.5  小結

    參考文獻
板塊二  開眼界——人工智慧應用實踐
  第6章  智能之眼——視覺感知
    6.1  電腦視覺及其發展史
    6.2  圖像增強
      6.2.1  圖像增強概述
      6.2.2  典型圖像增強任務
    6.3  圖像分類
      6.3.1  圖像分類概述
      6.3.2  細粒度圖像分類
    6.4  目標檢測
      6.4.1  目標檢測概述
      6.4.2  經典目標檢測方法
    6.5  圖像分割
      6.5.1  圖像分割概述
      6.5.2  經典語義分割模型
    6.6  三維視覺
      6.6.1  三維視覺概述
      6.6.2  典型三維視覺任務
    6.7  小結
    參考文獻
  第7章  智能之軀——具身智能
    7.1  具身智能概述
      7.1.1  具身智能的基本概念
      7.1.2  具身智能的核心要素
      7.1.3  具身智能與傳統人工智慧
      7.1.4  具身智能的意義與價值
    7.2  具身智能的核心技術
      7.2.1  具身智能的系統框架
      7.2.2  具身智能的典型實現路徑
      7.2.3  模擬到真實的遷移
    7.3  具身智能的典型應用
      7.3.1  智能機器人操作任務
      7.3.2  服務機器人導航任務
    7.4  具身智能的發展前沿與展望
      7.4.1  具身智能大模型
      7.4.2  具身智能的未來挑戰
    7.5  小結
    參考文獻
  第8章  AI衛士——智慧醫療
    8.1  智慧醫療概述
      8.1.1  智慧醫療的概念
      8.1.2  智慧醫療數據
      8.1.3  智慧醫療關鍵技術
    8.2  智慧醫療的應用
      8.2.1  臨床診斷與治療
      8.2.2  遠程醫療與在線問診
      8.2.3  藥物研發與個性化醫療
      8.2.4  中醫藥應用
    8.3  智慧醫療面臨的挑戰與前景

      8.3.1  智慧醫療面臨的挑戰
      8.3.2  智慧醫療的發展前景
    8.4  小結
    參考文獻
  第9章  AI助手——智慧生活
    9.1  智慧生活概述與人工智慧實現
      9.1.1  智慧生活概覽
      9.1.2  人工智慧在日常生活中的角色
    9.2  智「衣」新尚——智能穿戴與AI時尚助手
      9.2.1  核心技術與框架——以智能穿戴為例
      9.2.2  應用案例介紹——AI時尚助手
    9.3  「食」悅智融——智慧農業與食品安全
      9.3.1  核心技術與框架——以智慧農業為例
      9.3.2  應用案例介紹——食品安全監管與溯源
    9.4  樂享智「住」——智能家居與智慧社區
      9.4.1  核心技術與框架——以智能家居為例
      9.4.2  應用案例介紹——智慧社區
    9.5  智「行」天下——交通大數據與自動駕駛
      9.5.1  核心技術與框架——以智能交通規劃為例
      9.5.2  應用案例介紹——自動駕駛系統
    9.6  小結
    參考文獻
  第10章  人工智慧前沿
    10.1  大模型的興起與演進
      10.1.1  大模型的基本概念與發展歷程
      10.1.2  大模型的優勢與挑戰
      10.1.3  大模型的訓練與優化
      10.1.4  多模態大模型
    10.2  生成式人工智慧
      10.2.1  擴散模型
      10.2.2  生成式設計與藝術創作
      10.2.3  大模型技術治理與社會影響
    10.3  AI for Science
      10.3.1  人工智慧在科學中的定義與背景
      10.3.2  人工智慧與自然科學
      10.3.3  人工智慧與人文社會科學
    10.4  小結
    參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032