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

人工智慧通識基礎教程/新型工業化人工智慧高質量人才培養系列

  • 作者：編者:胡智喜//成寶芝|責編:劉瑀
  • 出版社：電子工業
  • ISBN：9787121523786
  • 出版日期：2026/03/01
  • 裝幀：平裝
  • 頁數：307
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以通識為本，以跨學科融合和價值引領為核心，系統梳理人工智慧發展脈絡，通過原理、案例和實踐應用的內容架構，幫助讀者搭建完整的人工智慧知識框架，培養讀者的跨學科思維與技術應用能力。全書共9章，內容包括人工智慧概述、人工智慧語言Python基礎、人工智慧信息素養基礎、機器學習與深度學習、電腦視覺技術及應用、自然語言處理技術及應用、人工智慧大模型應用、人工智慧安全與倫理和人工智慧場景與行業應用。本書採用「知識目標、能力目標、思政目標」三位一體的開篇設計，將價值引領貫穿教材全過程。在編寫過程中，本書堅守通識性與專業性平衡、技術視角與人文關懷並重和學科融合與實踐導向鮮明三個原則，力求內容通俗易懂、案例實用生動，以提升讀者的人工智慧信息素養和使用人工智慧技術解決實際問題的能力。
    本書既可作為高等院校各專業人工智慧通識課的教材，也可作為對人工智慧感興趣的讀者的自學讀物。
作者介紹
編者:胡智喜//成寶芝|責編:劉瑀
目錄
第1章  人工智慧概述
  1.1  人工智慧簡介
    1.1.1  人工智慧的概念
    1.1.2  人工智慧的主要研究內容
  1.2  人工智慧的發展歷程
    1.2.1  人工智慧的起源
    1.2.2  人工智慧的發展
  1.3  人工智慧的主流學派
    1.3.1  符號主義
    1.3.2  連接主義
    1.3.3  行為主義
    1.3.4  三大學派之間的關係
  1.4  人工智慧發展與未來趨勢
    1.4.1  人工智慧發展現狀
    1.4.2  人工智慧未來展望
  1.5  本章小結
  本章習題
第2章  人工智慧語言Python基礎
  2.1  Python簡介及開發環境
    2.1.1  Python的發展歷程
    2.1.2  Python在人工智慧領域的優勢
    2.1.3  搭建Python開發環境
    2.1.4  第一個Python程序
    2.2.3  程序的兩種運行方式
  2.2  Python語法基礎
    2.2.1  程序編寫的基本方法
    2.2.2  Python程序的基本構成
    2.2.3  標識符及命名規則
    2.2.4  變數與賦值語句
    2.2.5  輸入與輸出語句
  2.3  基本數據類型
    2.3.1  數字類型
    2.3.2  字元串類型
    2.3.3  強制類型轉換
  2.4  程序控制
    2.4.1  條件表達式
    2.4.2  選擇結構
    2.4.3  循環結構
  2.5  列表和元組
    2.5.1  列表
    2.5.2  元組
  2.6  字典和集合
    2.6.1  字典
    2.6.2  集合
  2.7  函數
    2.7.1  函數定義
    2.7.2  函數調用
    2.7.3  參數傳遞
    2.7.4  lambda函數
    2.7.5  變數作用域

    2.7.6  遞歸函數
  2.8  文件與異常
    2.8.1  文件及基本操作
    2.8.2  CSV文件操作
    2.8.3  異常處理
  2.9  常用庫介紹
    2.9.1  random庫
    2.9.2  time庫
    2.9.3  jieba庫
  2.10  本章小結
  本章習題
第3章  人工智慧信息素養基礎
  3.1  WPS文字處理
    3.1.1  文字與表格格式設置
    3.1.2  文檔屬性、頁面設置及輸出
    3.1.3  樣式、目錄與多級編號
    3.1.4  插入封面、形狀、圖片和SmartArt圖形
    3.1.5  查找、替換與批量刪除
    3.1.6  題注、腳註與章節附註
    3.1.7  頁眉、頁腳與分節
  3.2  WPS電子錶格
    3.2.1  工作表操作、表格和頁面設置
    3.2.2  條件格式、篩選與數據有效性
    3.2.3  批註、公式與函數
    3.2.4  導入數據、創建圖表
    3.2.5  排序、分類匯總與合併計算
    3.2.6  數據透視表和數據透視圖
  3.3  WPS演示文稿
    3.3.1  幻燈片操作與母版
    3.3.2  分節、編號和頁眉頁腳
    3.3.3  文本、圖形、圖片和超鏈接
    3.3.4  藝術字、表格、圖表和音視頻
    3.3.5  模板、背景
    3.3.6  動畫、切換與放映方式
    3.3.7  批註、文件打包
  3.4  辦公AIGC應用
    3.4.1  文本生成（Kimi）
    3.4.2  數據自動處理（豆包）
    3.4.3  幻燈片自動生成（Kimi）
    3.4.4  圖片、視頻、數字人生成（即夢）
    3.4.5  WPS AI
  3.5  本章小結
  本章習題
第4章  機器學習與深度學習
  4.1  機器學習概念與分類
    4.1.1  定義與範式劃分
    4.1.2  關鍵術語
    4.1.3  全流程解析
  4.2  機器學習數據處理基礎
    4.2.1  核心數學理論

    4.2.2  數據預處理與特徵工程
    4.2.3  模型性能評估方法
  4.3  經典機器學習演算法
    4.3.1  監督學習
    4.3.2  無監督學習
    4.3.3  強化學習
  4.4  深度學習理論與技術
    4.4.1  神經網路的基本原理
    4.4.2  主流模型架構設計
    4.4.3  高效訓練與泛化策略
  4.5  項目實訓：基於反向傳播神經網路的分類和回歸演算法
  4.6  本章小結
  本章習題
第5章  電腦視覺技術及應用
  5.1  電腦視覺概述
    5.1.1  電腦視覺的基本概念
    5.1.2  電腦視覺的發展歷程
    5.1.3  電腦視覺的應用場景
    5.1.4  電腦視覺與相關領域的區別
    5.1.5  OpenCV介紹
  5.2  電腦視覺開發環境設置
    5.2.1  開發環境
    5.2.2  數據集
  5.3  電腦視覺基本任務
    5.3.1  圖像分類
    5.3.2  目標檢測
    5.3.3  圖像分割
  5.4  項目實訓：高光譜圖像目標檢測識別
    5.4.1  數據集介紹
    5.4.2  數據集製作
    5.4.3  目標檢測評價指標
    5.4.4  目標檢測模型框架
    5.4.5  模型訓練
    5.4.6  模型測試
  5.5  本章小結
  本章習題
第6章  自然語言處理技術及應用
  6.1  自然語言處理概述
    6.1.1  自然語言處理的概念
    6.1.2  自然語言處理的任務
    6.1.3  自然語言處理的發展歷程
  6.2  自然語言處理的主要技術
    6.2.1  分詞
    6.2.2  隱馬爾可夫模型
    6.2.3  詞向量與詞嵌入
    6.2.4  詞袋模型和Word2Vec
    6.2.5  循環神經網路模型
    6.2.6  基於Transformer架構的模型
  6.3  語音處理技術
    6.3.1  語音處理技術的基本概念

    6.3.2  語音處理技術的發展歷程
    6.3.3  語音處理技術原理及應用
  6.4  自然語言處理應用
    6.4.1  情感分析
    6.4.2  機器翻譯
    6.4.3  文本生成
    6.4.4  智能問答
  6.5  項目實訓：文本情感分析
    6.5.1  項目介紹
    6.5.2  項目實施過程
  6.6  本章小結
  本章習題
第7章  人工智慧大模型應用
  7.1  人工智慧大模型概述
    7.1.1  大模型的發展歷程
    7.1.2  大模型的原理和能力
    7.1.3  大模型的架構
    7.1.4  大模型工程實踐
  7.2  當代大模型
    7.2.1  代表性大模型簡介
    7.2.2  核心技術
    7.2.3  能力特點與潛在風險
    7.2.4  對齊與安全
    7.2.5  規模與效率
  7.3  大模型使用技巧
    7.3.1  提示詞
    7.3.2  提示工程
    7.3.3  高級推理架構
    7.3.4  基於大模型的應用開發
    7.3.5  多智能體協作與標準協議
  7.4  多模態大模型
    7.4.1  概述
    7.4.2  文本-視覺融合
    7.4.3  文本-語音融合
    7.4.4  其他新型模態簡介
    7.4.5  跨模態對齊
  7.5  大模型應用示例
    7.5.1  內容創作與多媒體製作
    7.5.2  編程助手與代碼生成
    7.5.3  學術寫作與文獻綜述
    7.5.4  個性化教學輔導
    7.5.5  實用技巧與最佳實踐
  7.6  項目實訓
    7.6.1  個性化推薦小助手
    7.6.2  用自然語言生成專業圖表
    7.6.3  項目擴展與優化
  7.7  本章小結
  本章習題
第8章  人工智慧安全與倫理
  8.1  人工智慧安全與倫理概述

    8.1.1  人工智慧的快速發展與廣泛應用
    8.1.2  安全與倫理問題的凸顯
    8.1.3  研究安全與倫理的重要意義
  8.2  人工智慧安全問題
    8.2.1  數據安全風險
    8.2.2  演算法安全風險
    8.2.3  系統安全風險
  8.3  人工智慧倫理風險
    8.3.1  隱私與數據倫理
    8.3.2  演算法偏見與公平性
    8.3.3  責任歸屬與透明度
    8.3.4  自主決策與人類控制
  8.4  人工智慧倫理與法律
    8.4.1  人工智慧倫理原則的制定
    8.4.2  法律現狀與挑戰
    8.4.3  倫理與法律的協同作用
  8.5  全球視野下的人工智慧倫理治理
    8.5.1  國際組織的推動
    8.5.2  各國的治理實踐
    8.5.3  跨國合作與交流
  8.6  本章小結
  本章習題
第9章  人工智慧場景與行業應用
  9.1  人工智慧與智能製造
    9.1.1  概述
    9.1.2  智能控制與數控機床
    9.1.3  機器人與協作製造
    9.1.4  碳纖維複合材料生產優化
    9.1.5  智能電機故障預測與維護
  9.2  人工智慧與電子信息技術
    9.2.1  概述
    9.2.2  智能電網與設備運維
    9.2.3  光電感測與智能檢測
    9.2.4  智慧校園網路安全
    9.2.5  軟體架構智能優化
    9.2.6  發展趨勢與未來展望
  9.3  人工智慧與智慧建築
    9.3.1  概述
    9.3.2  智能建築設計與BIM集成
    9.3.3  材料性能預測與優化
    9.3.4  結構健康監測與災害預警
    9.3.5  城市規劃與可持續發展模擬
  9.4  人工智慧與科研教育
    9.4.1  問題與場景
    9.4.2  技術要點
    9.4.3  典型案例
    9.4.4  數據與標準
    9.4.5  評估與投資回報
    9.4.6  風險與倫理
    9.4.7  趨勢與展望

  9.5  人工智慧與商貿管理
    9.5.1  智能市場分析與需求預測
    9.5.2  智能財務報表與風險管理
    9.5.3  個性化營銷與客戶關係管理
    9.5.4  審計評估與合規監測
  9.6  人工智慧與文體藝術
    9.6.1  智能語言學習與翻譯助手
    9.6.2  民俗與方言時空定量分析
    9.6.3  創意設計與文藝作品評價
    9.6.4  體育運動分析與訓練優化
    9.6.5  挑戰與展望
  9.7  本章小結
  本章習題

  • 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