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(雙色印刷新形態教材高等院校數字化人才培養創新系列教材)/人工智慧通識課系列

  • 作者：編者:楊尊琦|責編:郝建偉//解芳
  • 出版社：機械工業
  • ISBN：9787111783886
  • 出版日期：2025/07/01
  • 裝幀：平裝
  • 頁數：272
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著人工智慧時代的到來，各行各業都已滲透了人工智慧的理論、方法和技術。本書通俗地講解AI的起源、發展，將行業應用與技術發展相結合進行敘述，能夠讓讀者快速了解人工智慧，掌握各行各業AI應用的前沿動態和技術。
    本書內容包括：第1章人工智慧概述，第2章大數據與人工智慧，第3章機器學習，第4章深度學習，第5章大模型技術及應用，第6章人工智慧倫理，第7章人工智慧在工業中的應用，第8章人工智慧在醫療領域的應用，第9章人工智慧在交通領域的應用，第10章人工智慧賦能生物識別，第11章人工智慧在金融領域的應用，第12章智能商務，第13章人工智慧在航天領域的應用，第14章人工智慧的未來展望。
    本書圖、文、表並茂，淺顯易懂，並引入典型領域的應用，結合相關領域知識，文科、理科都可選用。本書既可以作為高等院校、職業院校低年級的人工智慧通識課教材，也可以作為企業培訓參考用書。
作者介紹
編者:楊尊琦|責編:郝建偉//解芳
目錄
前言
第1章  人工智慧概述
  1.1  什麼是人工智慧
    1.1.1  人類智能
    1.1.2  人類大腦
    1.1.3  人工智慧
  1.2  人工智慧發展概況
    1.2.1  人工智慧前期積累
    1.2.2  人工智慧的形成階段
    1.2.3  人工智慧的曲折發展
    1.2.4  人工智慧的繁榮發展
  1.3  思考與練習
第2章  大數據與人工智慧
  2.1  大數據基礎
    2.1.1  大數據的特徵和結構類型
    2.1.2  大數據的價值
  2.2  大數據與雲計算
    2.2.1  什麼是雲計算
    2.2.2  雲計算的服務模型
    2.2.3  雲存儲、超算和算力
  2.3  大數據的核心技術
    2.3.1  數據的採集
    2.3.2  數據的處理
    2.3.3  大數據分析
    2.3.4  數據可視化
  2.4  大數據與人工智慧的關係
    2.4.1  大數據是人工智慧的基石與動力
    2.4.2  人工智慧促進大數據的價值化
    2.4.3  人工智慧和大數據相輔相成，深度融合
  2.5  身邊的大數據與人工智慧
  2.6  思考與練習
第3章  機器學習
  3.1  什麼是機器學習
    3.1.1  機器學習的概念
    3.1.2  機器學習的發展
    3.1.3  機器學習的基本問題和流程
  3.2  機器學習的分類
    3.2.1  監督學習：數據驅動的精準預測
    3.2.2  無監督學習：探索數據中的隱藏奧秘
    3.2.3  半監督學習：融合標注與未標注數據的智慧學習
    3.2.4  強化學習：在動態交互中優化決策
  3.3  機器學習的演算法
    3.3.1  回歸演算法：數值預測的建模利器
    3.3.2  聚類演算法：數據分組的無監督能手
    3.3.3  決策樹演算法：特徵驅動的智能分類與回歸利器
    3.3.4  樸素貝葉斯分類演算法：特徵獨立的概率分類利器
    3.3.5  K-近鄰演算法：以距離定歸屬的分類利器
    3.3.6  支持向量機演算法：劃分數據的超平面構建者
  3.4  機器學習的應用
  3.5  機器學習的未來展望

  3.6  思考與練習
第4章  深度學習
  4.1  神經網路
    4.1.1  神經元
    4.1.2  感知器
    4.1.3  人工神經網路
    4.1.4  反向傳播演算法
  4.2  深度學習的起源與發展
    4.2.1  淺層學習
    4.2.2  深度學習的提出
    4.2.3  深度學習在現代AI中的地位
  4.3  深度學習關鍵技術
    4.3.1  卷積神經網路
    4.3.2  生成對抗網路
    4.3.3  注意力機制
  4.4  進化計算
    4.4.1  進化演算法概述
    4.4.2  遺傳演算法
    4.4.3  進化規劃
    4.4.4  進化策略
    4.4.5  進化計算演算法對比
  4.5  群體智能
    4.5.1  蟻群優化演算法
    4.5.2  粒子群優化演算法
    4.5.3  人工魚群演算法
  4.6  思考與練習
第5章  大模型技術及應用
  5.1  大模型概述
    5.1.1  大模型的定義與發展歷程
    5.1.2  大模型與人工智慧的關係
  5.2  大模型的核心技術
    5.2.1  Transformer架構
    5.2.2  預訓練與微調技術
    5.2.3  參數規模與計算資源需求
  5.3  大模型的關鍵特性
    5.3.1  湧現能力與泛化能力
    5.3.2  多任務學習與遷移學習
  5.4  大模型的應用領域
    5.4.1  自然語言處理
    5.4.2  電腦視覺
    5.4.3  語音識別
  5.5  大模型的部署與應用
    5.5.1  本地部署與雲端服務
    5.5.2  數據隱私與安全問題
    5.5.3  成本優化與資源管理
  5.6  大模型案例與智能體
    5.6.1  GPT-3與GPT-4的應用
    5.6.2  國內外大模型產品案例
    5.6.3  DeepSeek與其他創新模型
  5.7  思考與練習

第6章  人工智慧倫理
  6.1  人工智慧倫理概述
    6.1.1  人工智慧倫理的定義與重要性
    6.1.2  人工智慧倫理的歷史背景與發展
    6.1.3  人工智慧倫理的基本原則
  6.2  人工智慧倫理的核心議題
    6.2.1  數據隱私與安全困境
    6.2.2  演算法安全風險
    6.2.3  網路安全風險
    6.2.4  國家安全風險
    6.2.5  人工智慧的責任歸屬難題
  6.3  人工智慧倫理在多領域的衝突
    6.3.1  醫療領域的倫理權衡
    6.3.2  交通出行的倫理變革
    6.3.3  金融服務中的倫理挑戰
    6.3.4  智能機器「人替」倫理困境
  6.4  面向未來的人工智慧倫理構建
  6.5  思考與練習
第7章  人工智慧在工業中的應用
  7.1  工業4.0概述
    7.1.1  工業4.0的起源與定義
    7.1.2  工業4.0的核心概念和目標
  7.2  工業4.0的技術基礎
    7.2.1  工業物聯網技術在工業4.0中的角色
    7.2.2  高級生產計劃與排程計劃
    7.2.3  零部件質量控制與表面缺陷識別
    7.2.4  設備狀態監測與故障診斷
  7.3  智慧工廠
    7.3.1  智慧工廠的整體架構與功能模塊
    7.3.2  基於大數據的智慧工廠生產運作管理
    7.3.3  智慧工廠的信息集成與協同
    7.3.4  智慧工廠的智能化決策
  7.4  工業人工智慧的未來發展趨勢
  7.5  思考與練習
第8章  人工智慧在醫療領域的應用
  8.1  人工智慧與醫療概述
    8.1.1  傳統醫療領域面臨的挑戰與需求
    8.1.2  智能醫學的定義與特點
  8.2  病理圖像智能解讀
    8.2.1  醫學影像處理
    8.2.2  基於大語言模型的病理圖像分析
  8.3  人工智慧輔助醫療方案
    8.3.1  健康方案推薦與療效預測
    8.3.2  疾病監測與風險評估
    8.3.3  圖神經網路與藥物研發
    8.3.4  生物醫學關聯預測
  8.4  醫療機器人技術
    8.4.1  手術機器人
    8.4.2  護理機器人
  8.5  醫療管理及公共衛生智能優化與防控

    8.5.1  醫療資源調配
    8.5.2  動態網路模型構建傳染病傳播路徑
  8.6  醫療人工智慧的未來發展
  8.7  思考與練習
第9章  人工智慧在交通領域的應用
  9.1  智慧交通概述
    9.1.1  傳統交通的痛點分析
    9.1.2  智慧交通
    9.1.3  智慧交通的新範式
  9.2  自動駕駛的交通工具
    9.2.1  自動駕駛的基礎認知
    9.2.2  自動駕駛的AI應用
  9.3  智慧交通基礎設施
    9.3.1  車路協同基礎設施
    9.3.2  功能性基礎設施
  9.4  大數據驅動的交通大腦
    9.4.1  交通大數據
    9.4.2  數字交通大腦
    9.4.3  交通大腦助力交通管控
  9.5  人工智慧賦能出行服務
    9.5.1  智能導航系統
    9.5.2  智能旅行推薦系統
    9.5.3  智能停車系統
  9.6  思考與練習
第10章  人工智慧賦能生物識別
  10.1  生物識別概述
    10.1.1  生物識別的定義
    10.1.2  生物識別關鍵技術解析
    10.1.3  生物識別技術的發展歷程
  10.2  人工智慧賦能生物識別的應用場景
    10.2.1  智能視覺
    10.2.2  智能聲學
    10.2.3  智能瞳影
    10.2.4  解鎖自然生物密碼
  10.3  生物識別開放平台體驗
    10.3.1  生物特徵識別開放平台介紹
    10.3.2  任務實施—百度人工智慧生物特徵識別開放平台體驗
  10.4  人工智慧和生物識別深度融合的新航跡
  10.5  思考與練習
第11章  人工智慧在金融領域的應用
  11.1  智能金融的發展路徑
    11.1.1  智能金融的起源與發展
    11.1.2  智能金融的內涵與主體
  11.2  智能金融核心技術
    11.2.1  人工智慧與金融
    11.2.2  機器學習與金融
    11.2.3  金融中的自然語言處理
    11.2.4  區塊鏈
  11.3  智能金融實踐
    11.3.1  智能投顧：演算法驅動的個性化投資建議

    11.3.2  信貸評估：基於大數據的信用評分模型
    11.3.3  保險科技：AI在保險定價中的應用
    11.3.4  智能合約：區塊鏈技術在智能支付中的應用
  11.4  智能金融未來發展趨勢
    11.4.1  技術驅動的範式革新
    11.4.2  演算法治理體系重塑金融權利制衡
  11.5  思考與練習
第12章  智能商務
  12.1  商務的魔法世界：智能商務
    12.1.1  智能商務概念
    12.1.2  智能商務涵蓋的關鍵技術
    12.1.3  智能商務的應用場景
    12.1.4  智能商務的機遇與挑戰
  12.2  智能客服
    12.2.1  聊天機器人背後的秘密
    12.2.2  智能客服系統的實施
    12.2.3  聊天機器人的未來
  12.3  智能推薦：為用戶量身定製的購物體驗
    12.3.1  推薦系統是如何「讀懂」用戶的？
    12.3.2  AI如何提高用戶的購物樂趣
    12.3.3  智能推薦的基礎是數據
  12.4  超智能物流：送貨就像變魔術
    12.4.1  智能物流的崛起
    12.4.2  自動化倉庫
    12.4.3  運輸優化
  12.5  財務助手：AI的「會計」新技能
    12.5.1  AI如何改變財務工作
    12.5.2  欺詐檢測
    12.5.3  財務預測
  12.6  思考與練習
第13章  人工智慧在航天領域的應用
  13.1  航天任務的概述
    13.1.1  航天任務的主要挑戰
    13.1.2  人工智慧賦能航天
  13.2  人造衛星的智能化
    13.2.1  衛星的自主決策能力
    13.2.2  衛星遙感數據的智能處理
  13.3  載人航天中的智能
    13.3.1  空間交會對接技術
    13.3.2  航天員助手
  13.4  智能深空探測機器人
    13.4.1  探月工程
    13.4.2  行星探測任務
  13.5  未來航天的智能發展
  13.6  思考與練習
第14章  人工智慧的未來展望
  14.1  人工智慧技術發展趨勢
    14.1.1  跨模態融合技術的發展
    14.1.2  跨領域融合技術的發展
  14.2  人工智慧與可持續發展

    14.2.1  人工智慧助力環境保護與資源管理
    14.2.2  人工智慧推動循環經濟與綠色發展
  14.3  人工智慧的長期社會影響
    14.3.1  人工智慧對就業市場與職業結構的重塑
    14.3.2  人工智慧與人類智能的共生關係
  14.4  思考與練習
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