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

人工智慧通識教程(人工智慧通識類普通高等教育人工智慧專業系列教材)

  • 作者：編者:李正軍|責編:李馨馨//湯楓
  • 出版社：機械工業
  • ISBN：9787111792338
  • 出版日期：2025/10/01
  • 裝幀：平裝
  • 頁數：239
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書為讀者提供了全面且深入的人工智慧（AI）知識，涵蓋其基本概念、發展歷程、技術架構及應用領域。書中系統地介紹了人工智慧與機器學習的定義、大模型的應用、人工智慧生成內容（AIGC）以及具身智能等前沿話題，幫助讀者理解AI在生活和工作中的廣泛應用。
    本書採用通俗易懂的語言，結合豐富的案例分析和實踐環節，旨在提升讀者的批判思維與解決問題的能力。每章配有課後習題和案例研究，鼓勵讀者在實踐中掌握AI技能，增強在實際工作環境中應用這些技能的信心。
    全書分為8章，從緒論到機器學習、大模型，到ChatGPT、文心一言、DeepSeek、AIGC的技術應用，再到具身智能與機器人系統，內容安排合理，便於逐步深入理解。
    本書可作為高等院校人工智慧、自動化、機器人、機電一體化、電子與電氣工程、物聯網等相關專業的本、專科學生的教材和參考書，也可供從事人工智慧技術開發的工程技術人員參考。
作者介紹
編者:李正軍|責編:李馨馨//湯楓
目錄
第1章  緒論
  1.1  人工智慧概述
    1.1.1  關於智能
    1.1.2  人工智慧的定義
    1.1.3  人工智慧的分類
  1.2  人工智慧的起源和圖靈測試
    1.2.1  人工智慧的起源
    1.2.2  圖靈測試
  1.3  人工智慧的發展歷程
  1.4  人工智慧的應用領域
  1.5  人工智慧相關技術
    1.5.1  人工智慧四要素
    1.5.2  人工智慧技術架構
  1.6  人工智慧倫理
  課後習題
第2章  機器學習
  2.1  機器學習概述
    2.1.1  機器學習的發展歷程
    2.1.2  機器學習的定義
    2.1.3  機器學習的研究內容
  2.2  機器學習的分類
    2.2.1  監督學習
    2.2.2  無監督學習
    2.2.3  強化學習
    2.2.4  機器學習的其他分類
  2.3  機器學習的基本結構
    2.3.1  環境
    2.3.2  知識庫
    2.3.3  執行部分
  2.4  機器學習演算法
    2.4.1  機器學習演算法的特徵與要素及評定
    2.4.2  回歸分析
    2.4.3  基於實例的演算法
    2.4.4  決策樹演算法
    2.4.5  樸素貝葉斯演算法
    2.4.6  聚類演算法
    2.4.7  支持向量機演算法
    2.4.8  人工神經網路
    2.4.9  Boosting與Bagging演算法
    2.4.10  關聯規則演算法
  2.5  機器學習的應用
    2.5.1  數據分析與挖掘
    2.5.2  模式識別
    2.5.3  生物信息學
    2.5.4  物聯網
    2.5.5  聊天機器人
    2.5.6  無人駕駛汽車
  課後習題
第3章  大模型
  3.1  大模型概述

  3.2  大模型核心內容
    3.2.1  生成原理
    3.2.2  關鍵技術
    3.2.3  關鍵術語
  3.3  大模型分類
    3.3.1  按模型結構劃分
    3.3.2  按模態劃分
    3.3.3  按微調方式劃分
    3.3.4  集成插件系統的大模型
  3.4  大模型的開發流程
    3.4.1  確定項目目標
    3.4.2  數據準備
    3.4.3  模型設計
    3.4.4  模型訓練
    3.4.5  模型部署
    3.4.6  開源資源和開發者支持
    3.4.7  評估和反饋
    3.4.8  模型應用
  3.5  大模型的應用場景
  3.6  Seq2Seq
    3.6.1  分詞器
    3.6.2  編碼器-解碼器結構
    3.6.3  注意力機制
  3.7  Transformer
    3.7.1  位置編碼
    3.7.2  整體結構
    3.7.3  稀疏Transformer
  3.8  模型微調
    3.8.1  監督微調
    3.8.2  PEFT技術
  3.9  未來發展方向
    3.9.1  AI智能體
    3.9.2  具身智能
  課後習題
第4章  ChatGPT與應用
  4.1  ChatGPT概述
    4.1.1  ChatGPT技術
    4.1.2  ChatGPT的發展歷程
    4.1.3  ChatGPT的工作流程
    4.1.4  ChatGPT的優勢
  4.2  ChatGPT工作原理及演算法細節
    4.2.1  ChatGPT的相關背景知識
    4.2.2  ChatGPT的工作原理
    4.2.3  演算法細節
  4.3  ChatGPT的交互性應用
    4.3.1  教育領域
    4.3.2  商業領域
    4.3.3  生活領域
    4.3.4  個性化的交互體驗
    4.3.5  其他領域

  4.4  ChatGPT高效交互的關鍵——提示詞
    4.4.1  提示詞
    4.4.2  ChatGPT生成回答的基本原則
    4.4.3  ChatGPT高效交流技巧
  4.5  ChatGPT輔助編程
    4.5.1  編程
    4.5.2  基本用法和進階用法
  4.6  Windows 10系統下訪問ChatGPT
    4.6.1  準備工作
    4.6.2  打開Microsoft Edge瀏覽器
    4.6.3  添加Microsoft Edge擴展
    4.6.4  登錄賬戶
    4.6.5  使用ChatGPT
  課後習題
第5章  文心一言與應用
  5.1  文心一言概述
    5.1.1  誕生背景：技術積累與市場需求共振
    5.1.2  核心功能：全棧式語言服務能力
    5.1.3  技術架構：知識增強與多模態交互
    5.1.4  應用場景：從個人助手到行業賦能
    5.1.5  競爭優勢：與ChatGPT的對比與互補
    5.1.6  未來展望：持續進化與生態拓展
    5.1.7  社會價值：重塑內容生產與工作方式
    5.1.8  用戶評價：優勢與改進空間
  5.2  項目類、技術類方案
    5.2.1  項目類、技術類方案與提示詞
    5.2.2  項目類、技術類方案與提問句式
    5.2.3  項目類方案輔助寫作示範
    5.2.4  技術類方案輔助寫作示範
  5.3  文心一言在詩詞和碑帖補齊中的應用
    5.3.1  《三晟堂札記》詩詞補齊
    5.3.2  《劉熊碑》拓片補齊
  5.4  文心一言在詩詞賞析與插圖繪製中的應用
    5.4.1  詩詞賞析與插圖繪製之一
    5.4.2  詩詞賞析與插圖繪製之二
  課後習題
第6章  DeepSeek與應用
  6.1  DeepSeek概述
    6.1.1  DeepSeek的產生背景
    6.1.2  DeepSeek採用的大模型
    6.1.3  DeepSeek的功能
    6.1.4  DeepSeek的特點
    6.1.5  DeepSeek的市場影響與競爭優勢
    6.1.6  DeepSeek的應用場景
    6.1.7  DeepSeek開源策略的影響
    6.1.8  聯網搜索
    6.1.9  文檔處理
    6.1.10  DeepSeek模型中的微調策略
    6.1.11  與其他頂級AI模型的區別
    6.1.12  DeepSeek的未來發展

  6.2  DeepSeek使用與提示詞技巧
    6.2.1  DeepSeek的產品形態
    6.2.2  DeepSeek功能詳解
    6.2.3  DeepSeek的對話技巧
    6.2.4  DeepSeek的提示詞技巧
  6.3  PPT大綱自動生成
  6.4  多語言實時翻譯
  6.5  論文潤色
  6.6  外語學習
  6.7  嵌入式系統應用編程實例
  課後習題
第7章  AIGC與應用
  7.1  生成式人工智慧（GAI）
    7.1.1  GAI概述
    7.1.2  GAI與AIGC的關係
  7.2  AIGC內容孿生、編輯與理解
    7.2.1  內容孿生
    7.2.2  內容編輯和生成
    7.2.3  內容理解
  7.3  AIGC發展歷程
  7.4  AIGC生成技術
    7.4.1  語言生成方面的技術
    7.4.2  視覺生成方面的技術
    7.4.3  多模態生成方面的技術
  7.5  生成模型與判別模型
    7.5.1  生成模型
    7.5.2  判別模型
  7.6  生成模型的原理
    7.6.1  生成模型的框架
    7.6.2  生成模型的概率表示
    7.6.3  生成模型的目標函數
    7.6.4  生成模型的挑戰及解決方法
  7.7  表示學習
    7.7.1  表示學習的直觀理解
    7.7.2  表示學習的常用方式
    7.7.3  表示學習與特徵工程的區別
    7.7.4  圖像的表示學習
    7.7.5  文本的表示學習
    7.7.6  多模態的表示學習
    7.7.7  表示學習的融合技術
    7.7.8  如何衡量表示學習的優劣
  7.8  表示學習的逆過程
  7.9  AIGC的應用場景
  7.10  AIGC應用實例
    7.10.1  天源迪科AIGC智能內容創作與數字人企業內訓平台介紹
    7.10.2  PPT課件和視頻課件製作實例
  課後習題
第8章  具身智能與機器人系統
  8.1  什麼是具身智能
  8.2  具身智能和具身人工智慧

    8.2.1  具身智能和具身人工智慧的發展歷程
    8.2.2  具身智能和具身人工智慧的相同點和不同點
  8.3  具身智能的傳統技術
    8.3.1  基於行為的人工智慧
    8.3.2  受神經生物學啟發的人工智慧
    8.3.3  認知發展機器人學
    8.3.4  進化機器人學
    8.3.5  物理體現與互動
  8.4  基於大模型的具身智能技術
    8.4.1  賦能具身智能機器人的基礎大模型分類
    8.4.2  具身智能機器人設計自動化
  8.5  具身智能的典型任務
  8.6  具身智能的體系結構
  8.7  具身智能的優點、缺點與難點
  8.8  具身智能與機器人智能的關係
  8.9  具身智能機器人
    8.9.1  從自動駕駛到具身智能
    8.9.2  具身智能計算系統
  8.10  具身智能機器人大模型
    8.10.1  大模型驅動的機器人革命
    8.10.2  面向機器人技術的ChatGPT
    8.10.3  Robotic Transformer多模態大模型的應用
  8.11  具身智能機器人的應用
    8.11.1  具身智能機器人在醫療領域的應用
    8.11.2  具身智能機器人在工業生產中的應用
    8.11.3  具身智能機器人在家庭環境中的應用
  8.12  人形機器人
    8.12.1  人形機器人的概念和分類
    8.12.2  宇樹科技Unitree G1機器人
  課後習題
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