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

計算與人工智慧通識(微課版雙色印刷)/新型工業化人工智慧高質量人才培養系列

  • 作者：編者:劉衛國|責編:戴晨辰
  • 出版社：電子工業
  • ISBN：9787121512483
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：275
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書為滿足人工智慧通識教育的現實需求而編寫，力爭用通俗易懂的語言闡明人工智慧的複雜概念和演算法邏輯，同時按照應用導向、案例驅動的思路，引導讀者應用人工智慧方法與技術解決實際問題。
    本書共8章，分別是計算與人工智慧概論、人工智慧開發工具與平台、計算系統、人工智慧的數據基礎、機器學習基礎與應用、深度學習基礎與應用、大模型技術與應用、人工智慧倫理與安全。全書採用Python技術路線，以應用案例說明概念、演算法和基本原理。通過豐富的案例分析和程序實踐，引導讀者將人工智慧知識應用於實際場景，培養讀者解決複雜問題的能力以及學科交叉融合與應用能力。
    本書可以作為高等學校「人工智慧通識」課程或「大學電腦」課程的教材，也可供電腦科學或人工智慧愛好者和專業技術人員閱讀參考。
作者介紹
編者:劉衛國|責編:戴晨辰
目錄
第1章  計算與人工智慧概論
  1.1  計算與計算自動化
    1.1.1  計算的概念
    1.1.2  圖靈機模型
    1.1.3  馮·諾依曼體系結構
  1.2  計算思維
    1.2.1  計算思維的概念
    1.2.2  計算思維的本質與方法
  1.3  人工智慧的起源與定義
    1.3.1  人工智慧的起源
    1.3.2  人工智慧的三大學派
    1.3.3  人工智慧的定義
  1.4  人工智慧的發展歷程與趨勢
    1.4.1  人工智慧的發展階段
    1.4.2  人工智慧的發展趨勢
  1.5  人工智慧的研究內容與主要技術
    1.5.1  人工智慧的研究內容
    1.5.2  人工智慧主要技術
  習題與實驗
第2章  人工智慧開發工具與平台
  2.1  Python與人工智慧應用
    2.1.1  Python語言的特點
    2.1.2  Python在人工智慧中的應用
    2.1.3  Python編程的基本規則
  2.2  Python的數據描述
    2.2.1  變數與賦值
    2.2.2  Python數據類型
    2.2.3  常用系統函數
    2.2.4  基本運算與表達式
  2.3  Python程序流程式控制制
    2.3.1  簡單的Python程序
    2.3.2  實現選擇判斷
    2.3.3  控制重複操作
  2.4  函數
    2.4.1  函數的定義與調用
    2.4.2  兩類特殊函數
  2.5  文件操作
    2.5.1  文件的打開與關閉
    2.5.2  文本文件的操作
  2.6  Python人工智慧應用生態
    2.6.1  NumPy庫的應用
    2.6.2  Matplotlib繪圖
    2.6.3  SciPy庫的應用
  習題與實驗
第3章  計算系統—從單機到智能生態
  3.1  單機系統
    3.1.1  電腦系統的組成
    3.1.2  電腦的工作原理
    3.1.3  微型電腦體系結構
    3.1.4  人工智慧計算架構

  3.2  電腦中數據的表示
    3.2.1  數制與二進位運算
    3.2.2  數值數據的表示
    3.2.3  字元編碼
    3.2.4  聲音和圖像編碼
  3.3  網路系統
    3.3.1  電腦網路概述
    3.3.2  區域網基礎
    3.3.3  Internet基礎
  3.4  雲計算服務
    3.4.1  雲計算的概念
    3.4.2  雲計算服務模式
    3.4.3  典型的雲計算平台
  3.5  物聯網技術
    3.5.1  物聯網的概念
    3.5.2  物聯網體系架構
    3.5.3  物聯網關鍵技術
  習題與實驗
第4章  人工智慧的數據基礎
  4.1  數據分析基礎
    4.1.1  數據分析的基本流程
    4.1.2  常用數據分析方法
    4.1.3  數據可視化
    4.1.4  應用案例—《三國演義》詞頻統計與詞雲圖創建
  4.2  網路爬蟲與信息提取
    4.2.1  網路爬蟲
    4.2.2  信息提取
    4.2.3  應用案例—新聞熱詞分析
  4.3  大數據處理
    4.3.1  大數據關鍵技術
    4.3.2  常用大數據框架
    4.3.3  大數據與人工智慧的關係
    4.3.4  應用案例—地鐵運營大數據系統
  4.4  數據安全
    4.4.1  數據加密技術
    4.4.2  區塊鏈技術
    4.4.3  應用案例—課堂行為管理系統
  習題與實驗
第5章  機器學習基礎與應用
  5.1  機器學習概述
    5.1.1  機器學習的概念
    5.1.2  機器學習的分類
    5.1.3  機器學習的應用領域
  5.2  機器學習流程與評估
    5.2.1  機器學習的基本流程
    5.2.2  機器學習的性能評估指標
  5.3  機器學習演算法
    5.3.1  監督學習演算法：分類問題
    5.3.2  監督學習演算法：回歸問題
    5.3.3  無監督學習演算法：聚類問題

    5.3.4  應用案例—二維數據集的聚類
  5.4  強化學習
    5.4.1  強化學習原理
    5.4.2  Q學習演算法
    5.4.3  應用案例—機器人路徑規劃
  習題與實驗
第6章  深度學習基礎與應用
  6.1  深度學習概述
    6.1.1  深度學習的概念與基本特徵
    6.1.2  深度學習的發展歷程
    6.1.3  深度學習與傳統機器學習的區別
  6.2  神經元與神經網路
    6.2.1  人工神經元
    6.2.2  人工神經網路
    6.2.3  神經網路的學習演算法—反向傳播演算法
    6.2.4  應用案例—使用神經網路實現鳶尾花分類
  6.3  深度學習模型
    6.3.1  卷積神經網路
    6.3.2  循環神經網路
    6.3.3  生成對抗網路
  6.4  應用案例—用Keras實現CIFAR-10圖像分類
    6.4.1  常用深度學習框架
    6.4.2  Keras框架的應用
    6.4.3  CIFAR-10圖像分類的實現
  習題與實驗
第7章  大模型技術與應用
  7.1  大模型概述
    7.1.1  大模型的特點
    7.1.2  大語言模型
    7.1.3  主流大模型
  7.2  大模型的架構與技術
    7.2.1  Transformer架構
    7.2.2  自注意力機制
    7.2.3  編碼器和解碼器的作用原理
  7.3  模型優化與壓縮技術
    7.3.1  知識蒸餾
    7.3.2  模型剪枝與量化
    7.3.3  稀疏化與低秩分解
  7.4  DeepSeek的技術原理與應用
    7.4.1  DeepSeek的技術原理
    7.4.2  DeepSeek的應用
  7.5  WPS AI智能辦公應用
    7.5.1  智能文檔處理
    7.5.2  智能數據分析
    7.5.3  智能演示文稿製作
  習題與實驗
第8章  人工智慧倫理與安全
  8.1  人工智慧倫理概述
    8.1.1  人工智慧倫理的概念和發展
    8.1.2  數據隱私與倫理問題

    8.1.3  演算法偏見與公平
  8.2  人工智慧的安全挑戰
    8.2.1  對抗攻擊與模型的魯棒性
    8.2.2  人工智慧在安全系統中的應用與風險
    8.2.3  人工智慧失控的可能性
  8.3  典型案例分析
    8.3.1  面部識別技術與倫理問題
    8.3.2  自動駕駛技術與倫理問題
    8.3.3  深度偽造技術與倫理問題
  習題與實驗
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