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

大學人工智慧通識教程(福建省高等學校電腦規劃教材)

  • 作者：編者:郭躬德//鄂大偉|責編:李峰偉
  • 出版社：廈門大學
  • ISBN：9787561598306
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：292
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《大學人工智慧通識教程》正是在這一背景下應運而生的。作為一部面向非電腦專業本科生的通識型教材，本書秉承以下三大宗旨。
    1.認知導向：理解AI是如何思考與工作的
    本書並不要求學生具備編程或演算法背景，而是通過大量的應用案例、可視化的解釋方式，引導學生理解AI的核心邏輯、運行原理與基本技術框架。
    2.素養導向：構建面向未來的AI能力圖譜
    無論是工科、文科、管理、農林專業的學生還是醫學專業的學生，本書都希望幫助他們建立「智能時代的認知能力」與「AI協作能力」。
    3.應用導向：理解AI在各領域中的應用
    本書覆蓋多個行業場景，多層次展示AI賦能各領域的豐富內容，從而引導學生與本專業應用領域，形成「AI＋專業」的應用意識。
作者介紹
編者:郭躬德//鄂大偉|責編:李峰偉
目錄
序章  人工智慧的前世今生
  0.1  定義初探：人工智慧到底是什麼
    0.1.1  人工智慧的定義：科學與工程的結合
    0.1.2  弱人工智慧與強人工智慧
  0.2  人工智慧的「進化史」：從萌芽到爆發
    0.2.1  AI的萌芽期（1940-1950）
    0.2.2  誕生與狂熱：符號主義的繁榮時代（1950-1970）
    0.2.3  寒冬降臨與反思（1970-1980）
    0.2.4  機器學習的興起（1980-2000）
    0.2.5  深度學習引爆AI（2000-2020）
    0.2.6  生成式AI與大模型時代（2020-2025）
  0.3  智能三層模型：從感知到決策的能力進化路徑
    0.3.1  感知智能：AI的「眼睛」和「耳朵」
    0.3.2  認知智能：AI的「大腦」和「思維」
    0.3.3  決策智能：AI的「大腦」做出決策與行動
    0.3.4  未竟之問：當AI觸及「智慧」邊界
  0.4  通識教育定位：跨學科智能素養的核心價值
    0.4.1  跨學科性：融合多學科視角理解AI
    0.4.2  普及性：面向所有人的AI素養培養
    0.4.3  應用性：AI賦能各行業的知識遷移
    0.4.4  人工智慧通識教育的四大智能素養
    0.4.5  展望未來--人工智慧的「星辰大海」
第1章  人工智慧的數學基礎：AI背後的數學之美
  1.1  數學與人工智慧：智能系統的語言與思維根基
    1.1.1  線性代數：高維空間的優雅畫筆
    1.1.2  微積分：優化世界的梯度魔法
    1.1.3  概率論：不確定性的決策水晶球
    1.1.4  數學之美的三重境界
  1.2  線性代數：用矩陣與向量刻畫世界
    1.2.1  亞里士多德「鑒別源於比較」的現代迴響
    1.2.2  事物的數學畫像：維度、向量與矩陣
    1.2.3  萬物比較的數學尺子
    1.2.4  抓住主要矛盾--特徵值與特徵向量
    1.2.5  化繁為簡--主成分分析
    1.2.6  更強大的工具：奇異值分解
    1.2.7  比較到判別任務中的線性代數：威力和美
    1.2.8  矩陣旋轉：線性代數帶來更豐富的視角
  1.3  概率與統計：理解AI如何「以不確定性駕馭不確定性」
    1.3.1  概率分佈：AI如何學習數據模式
    1.3.2  貝葉斯定理：驅動AI智能推理的數學引擎
    1.3.3  馬爾可夫鏈與隱馬爾可夫模型：建模序列與不確定性
    1.3.4  信息熵：不確定性的度量標尺
  1.4  視覺計算中的數學：用矩陣與變換讀懂圖像世界
    1.4.1  圖像世界的描繪：圖像矩陣與卷積計算
    1.4.2  換個角度的世界：直方圖與傅里葉變換
    1.4.3  AI視角：數學工具如何驅動視覺智能
  1.5  自然語言處理：用向量與注意力刻畫語言結構
    1.5.1  詞向量與嵌入：讓機器理解語言
    1.5.2  自注意力機制（Transformer）的思想
    1.5.3  自注意力的數學邏輯：從向量到矩陣的三步拆解

第2章  AI智慧核心：機器學習與深度學習
  2.1  機器學習：讓機器擁有學習能力
    2.1.1  引子：從人類學習到機器學習
    2.1.2  機器學習的基礎知識
    2.1.3  機器學習的核心要素
    2.1.4  機器學習基本流程
    2.1.5  常用的機器學習演算法簡介
  2.2  深度學習：神經網路的魔法世界
    2.2.1  從生物神經元到人工神經元
    2.2.2  人工神經網路的基本結構
    2.2.3  讓AI「學會學習」：神經網路的訓練過程
    2.2.4  深度學習的基本原理與優勢
  2.3  卷積神經網路：深度學習的明星模型
    2.3.1  CNN背後的靈感：與人類視覺系統的相似之處
    2.3.2  卷積神經網路的結構
    2.3.3  卷積與卷積運算
    2.3.4  卷積核的權重對圖像的影響
    2.3.5  梯度下降法
    2.3.6  卷積神經網路在圖像與視頻處理領域的應用
    2.3.7  卷積神經網路在時間序列分析中的應用
  2.4  其他深度學習模型
    2.4.1  自編碼器：無監督學習中的降維神器
    2.4.2  殘差網路：解決梯度消失問題
    2.4.3  循環神經網路：處理時間序列數據的利器
    2.4.4  長短記憶網路
  2.5  AI的決策智慧：強化學習與智能體
    2.5.1  強化學習的基本概念：在與環境交互中進行學習
    2.5.2  強化學習的核心元素
    2.5.3  強化學習的經典案例
第3章  大語言模型的奇妙世界
  3.1  大語言模型初探：理解語言與智能的連接起點
    3.1.1  什麼是大語言模型
    3.1.2  大語言模型的發展過程
    3.1.3  大語言模型到底有多「大」
    3.1.4  大語言模型的技術譜系圖：AI家族中的核心成員
……
第4章  智慧城市：讓城市更聰明更宜居
第5章  智慧醫療：AI助力健康未來
第6章  智慧農業：AI賦能現代農業
第7章  智慧教育：AI重塑學習方式與教育生態
第8章  人工智慧倫理與法律：構建可信的智能社會規範
第9章  人工智慧與職業規劃：塑造未來職場的競爭力與適應力
第10章  人工智慧與創新
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