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

人工智慧技術及應用(人工智慧通識類第2版新形態立體化雙色印刷普通高等教育人工智慧專業系列教材)

  • 作者：編者:程顯毅//張盛//靳偉//田亞崇|責編:湯楓//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111778783
  • 出版日期：2025/07/01
  • 裝幀：平裝
  • 頁數：234
人民幣：RMB 65 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著信息技術和互聯網技術的快速發展，人工智慧已成為新一輪科技革命的主要驅動力，未來人工智慧將貫穿各個領域。本書以「人工智慧思維」為理念，以「學生」為中心，以「創新創業」為目標，文理兼顧，構建「教、學、用」為一體的教材結構。全書共7章，第1章介紹了人工智慧的發展和流派；第2?4章向讀者展示新一代人工智慧的核心技術：機器學習、深度學習、大模型；第5章從「道」「法」「術」「器」「用」「勢」六個維度解析人工智慧思維的基本原理，樹立人工智慧應用的意識；第6、7章介紹人工智慧前沿技術和在交通、電商、建築、製造、農業、醫療等行業的應用場景，激發讀者創新創業的熱情，了解未來技術發展的趨勢，抓住機遇。
    本書可以作為高等院校各專業人工智慧導論、機器學習、大模型技術課程的教材或參考資料，也可作為人工智慧愛好者的參考資料。
作者介紹
編者:程顯毅//張盛//靳偉//田亞崇|責編:湯楓//趙曉峰
目錄
第2版前言
第1版前言
第1章  人工智慧時代
  1.1  人工智慧體驗
  1.2  人工智慧的三次浪潮
    1.2.1  計算驅動
    1.2.2  知識驅動
    1.2.3  數據驅動
  1.3  人工智慧的內涵和外延
    1.3.1  人工智慧的內涵
    1.3.2  人工智慧的外延
  1.4  人工智慧流派
    1.4.1  符號主義
    1.4.2  聯結主義
    1.4.3  行為主義
  1.5  人工智慧產業鏈
  習題
第2章  機器學習
  2.1  機器學習概述
    2.1.1  機器學習背景
    2.1.2  機器學習概念
    2.1.3  機器學習過程
    2.1.4  機器學習分類
    2.1.5  Python機器學習演算法庫
  2.2  數據準備
    2.2.1  數據集
    2.2.2  數據預處理
    2.2.3  數據集劃分
  2.3  模型訓練
    2.3.1  演算法選擇
    2.3.2  損失函數設計
    2.3.3  超參數
  2.4  模型評估
    2.4.1  分類任務模型評估
    2.4.2  回歸任務模型評估
    2.4.3  代碼實現
  2.5  模型預測
    2.5.1  泛化能力
    2.5.2  交叉驗證
    2.5.3  代碼實現
  2.6  機器學習實戰
    2.6.1  乳腺癌分類
    2.6.2  房價預測
  習題
第3章  深度學習
  3.1  全連接神經網路
    3.1.1  神經元模型
    3.1.2  神經網路
  3.2  卷積神經網路
    3.2.1  深度學習產生的背景

    3.2.2  卷積神經網路的基本原理
    3.2.3  深度學習的基本原理
  3.3  深度學習實戰
    3.3.1  AI Studio
    3.3.2  車牌識別
    3.3.3  新聞分類
  習題
第4章  大模型
  4.1  DeepSeek
    4.1.1  DeepSeek概述
    4.1.2  DeepSeek超級大腦
    4.1.3  DeepSeek體驗
  4.2  大模型概述
    4.2.1  大模型的定義
    4.2.2  大模型的分類
    4.2.3  大模型的發展歷程
  4.3  AIGC
    4.3.1  AIGC的發展歷程
    4.3.2  AIGC與大模型的關係
    4.3.3  AIGC給傳統生產模式帶來的革新
  4.4  Transformer
    4.4.1  Transformer的發展歷程
    4.4.2  Transformer的模型架構
    4.4.3  Transformer的優勢
  4.5  Prompt
    4.5.1  Prompt的概念
    4.5.2  Prompt模式
    4.5.3  Prompt的作用
  習題
第5章  人工智慧思維
  5.1  人工智慧思維之「道」
    5.1.1  人工智慧的普遍規律
    5.1.2  AI思維的案例
    5.1.3  AI思維與人腦思維
    5.1.4  AI思維的要素
    5.1.5  AI思維帶來認知革命
  5.2  人工智慧思維之「法」
    5.2.1  AI的底層邏輯
    5.2.2  相關性和因果性
    5.2.3  數據的規律性
  5.3  人工智慧思維之「術」
    5.3.1  從數據到價值
    5.3.2  數據理解
    5.3.3  AI如何做出決策
  5.4  人工智慧思維之「器」
    5.4.1  機器學習演算法
    5.4.2  深度學習網路結構
    5.4.3  深度學習平台
  5.5  人工智慧思維之「用」
    5.5.1  行業數字化是大勢所趨

    5.5.2  通過企業的數據中台完成數據打通
    5.5.3  生產製造數據打通
    5.5.4  數字化和智能化相輔相成
    5.5.5  深度學習引領人工智慧落地
  5.6  人工智慧思維之「勢」
    5.6.1  如何從無標注數據中學習
    5.6.2  如何把數據和知識結合起來
    5.6.3  可解釋的AI模型
    5.6.4  倫理挑戰和應對
    5.6.5  個人信息保護
    5.6.6  AI落地的人為因素
  習題
第6章  人工智慧前沿
  6.1  元宇宙
    6.1.1  元宇宙發展
    6.1.2  元宇宙概述
    6.1.3  元宇宙核心技術
    6.1.4  元宇宙存在的價值
    6.1.5  元宇宙產業生態
    6.1.6  元宇宙與大模型一體兩面密不可分
  6.2  數字機器人
    6.2.1  數字機器人概述
    6.2.2  RPA興起的原因
    6.2.3  RPA應用場景
    6.2.4  RPA架構
    6.2.5  RPA發展趨勢
    6.2.6  RPA實戰
    6.2.7  大模型時代下的「手腦並用」：RPA+LLM
  6.3  強化學習
    6.3.1  強化學習概述
    6.3.2  強化學習模擬環境
    6.3.3  強化學習與傳統學習、深度學習的對比
    6.3.4  大語言模型+強化學習
  6.4  遷移學習
    6.4.1  遷移學習概述
    6.4.2  遷移學習與傳統機器學習對比
    6.4.3  遷移學習方法
    6.4.4  大模型微調方法是一種有效的遷移學習技術
  6.5  低代碼編程
    6.5.1  低代碼核心理念
    6.5.2  低代碼開發特點
    6.5.3  低代碼開發流程
    6.5.4  低代碼應用場景
    6.5.5  低代碼市場
    6.5.6  AI大模型與低代碼的融合
  6.6  量子計算
    6.6.1  量子計算概述
    6.6.2  量子計算與人工智慧
    6.6.3  大模型與量子計算的未來
  6.7  多智能體

    6.7.1  多智能體概述
    6.7.2  多智能體應用
    6.7.3  大模型時代的智能體
  6.8  知識圖譜
    6.8.1  知識圖譜誕生
    6.8.2  知識圖譜基本原理
    6.8.3  知識圖譜的分類
    6.8.4  知識圖譜應用場景
    6.8.5  大模型與知識圖譜
  習題
第7章  人工智慧應用
  7.1  交通+AI
    7.1.1  網聯汽車
    7.1.2  自動駕駛
    7.1.3  智能交通概述
    7.1.4  人工智慧在交通中的其他應用
  7.2  電商+AI
    7.2.1  體驗電商
    7.2.2  垂直電商
    7.2.3  高效電商
    7.2.4  服務電商
  7.3  建築+AI
    7.3.1  智慧樓宇
    7.3.2  智能家居
    7.3.3  智能家電
    7.3.4  智能建築工地
  7.4  製造+AI
    7.4.1  四次工業革命
    7.4.2  智能製造
    7.4.3  人工智慧在製造業生產環節中的應用
    7.4.4  人工智慧在製造業中的其他應用場景
    7.4.5  機器人
    7.4.6  工業機器人
  7.5  醫療+AI
    7.5.1  疾病風險預測
    7.5.2  智能醫學影像
    7.5.3  智能診療
    7.5.4  新葯研發
  7.6  農業+AI
    7.6.1  智慧農業
    7.6.2  智慧種植
    7.6.3  智慧大棚
    7.6.4  智慧畜牧業
    7.6.5  智慧水產養殖
    7.6.6  人工智慧在農業中應用的其他場景
  7.7  教育+AI
    7.7.1  教育AI的技術構成
    7.7.2  AI時代的教師職責
    7.7.3  人工智慧在教育中的應用場景
    7.7.4  AI對教育的挑戰

  習題
附錄
  附錄A  人工智慧知識體系
  附錄B  人工智慧相關學科
  附錄C  人工智慧大事記
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