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

計算與人工智慧應用(新醫科版高等學校人工智慧通識教育系列教材)

  • 作者：編者:胡樹煜//趙文碩|責編:張江漫
  • 出版社：高等教育
  • ISBN：9787040672695
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：398
人民幣：RMB 67 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書根據教育部高等學校大學電腦課程教學指導委員會編製的《高等學校人工智慧通識課程體系與實施建議》，針對醫學及相關專業學生的電腦教學和人工智慧通識教育的培養目標進行編寫，是高等學校「十四五」醫學規劃新形態教材和高等學校人工智慧通識教育系列教材之一。
    全書共10章，主要內容包括計算與計算思維、數據與大數據、人工智慧概論、智能辦公、Python編程、機器學習與醫學應用、深度學習與醫學應用、大數據與醫學人工智慧的綜合應用、醫療機器人與智能設備、數據安全與人工智慧倫理等內容。
    本書的新形態教材，讀者可使用移動終端掃描書中二維碼，觀看書中配套課件、視頻、思考題參考答案以及全書代碼下載。本書適用於本科院校大學電腦課程和人工智慧通識課程教學，注重學生「計算思維」的培養和智能應用能力的培養，同時可作為醫療衛生領域技術人員的繼續教育參考用書。
作者介紹
編者:胡樹煜//趙文碩|責編:張江漫
目錄
第1章  計算與計算思維
  1.1  計算工具的發展歷程
    1.1.1  計算的相關概念
    1.1.2  計算工具的演變歷程
    1.1.3  電腦的分類
    1.1.4  電腦的應用
    1.1.5  新一代信息技術與未來發展趨勢
  1.2  電腦系統
    1.2.1  圖靈機
    1.2.2  馮·諾依曼體系結構
    1.2.3  電腦的硬體系統
    1.2.4  電腦的軟體系統
  1.3  計算思維
    1.3.1  計算思維
    1.3.2  問題求解方法
    1.3.3  計算思維的應用案例
  思考題
第2章  數據與大數據
  2.1  數據與資料庫
    2.1.1  數據的基本知識
    2.1.2  資料庫
    2.1.3  資料庫的分類
  2.2  大數據技術
    2.2.1  大數據的基本概念
    2.2.2  大數據技術的發展歷程
    2.2.3  大數據技術在醫療領域的應用
  2.3  大數據分析
    2.3.1  大數據分析的概念
    2.3.2  大數據分析的基本流程
    2.3.3  大數據分析的主要技術
    2.3.4  大數據分析的常用工具
  2.4  醫學大數據
    2.4.1  醫學大數據的概念
    2.4.2  醫學大數據的分類
    2.4.3  醫學大數據的特徵
    2.4.4  與傳統分析方法的比較
    2.4.5  醫學大數據的技術趨勢
  思考題
第3章  人工智慧概論
  3.1  人工智慧的基礎知識
    3.1.1  人工智慧的定義
    3.1.2  實現人工智慧的基本要素
  3.2  人工智慧的發展歷程
    3.2.1  人工智慧的起源和發展
    3.2.2  人工智慧的學派
    3.2.3  醫學人工智慧的發展歷程
  3.3  人工智慧的主要技術
    3.3.1  機器學習
    3.3.2  知識圖譜
    3.3.3  自然語言處理

    3.3.4  電腦視覺
    3.3.5  人機交互
    3.3.6  生成式人工智慧
  3.4  人工智慧的行業應用
    3.4.1  智能醫療
    3.4.2  智能製造
    3.4.3  智能家居
  3.5  人工智慧的應用案例
    3.5.1  問題檢索
    3.5.2  AIGC的核心應用場景
    3.5.3  數字人技術及應用
  思考題
第4章  智能辦公
  4.1  智能辦公概述
    4.1.1  智能辦公的定義和特點
    4.1.2  智能辦公應用軟體介紹
  4.2  文檔規範處理與高效創作
    4.2.1  AI寫作助手
    4.2.2  AI設計助手
    4.2.3  文檔高級排版
    4.2.4  AI閱讀助手
  4.3  數據管理與數據分析
    4.3.1  數據處理的基本方法
    4.3.2  AI數據助手
  4.4  智能辦公系統在醫學實踐中的應用案例
    4.4.1  自動生成模擬臨床研究方案
    4.4.2  患者數據智能分析與管理
  實驗一：智能辦公練習
  實驗二：文檔高級排版
  實驗三：PPT製作
  實驗四：AI數據分析
  思考題
第5章  Python編程
  5.1  Python基礎
    5.1.1  Python概述
    5.1.2  Python的環境配置
    5.1.3  Python程序的基本格式
    5.1.4  Python程序的運行方式
  5.2  Python的數據與表達式
    5.2.1  變數與賦值
    5.2.2  常用數據類型
    5.2.3  運算符及表達式
    5.2.4  函數
  5.3  Python的基本結構
    5.3.1  程序的基本結構
    5.3.2  順序結構
    5.3.3  分支結構
    5.3.4  循環結構
  5.4  文件和庫的使用
    5.4.1  文件操作

    5.4.2  庫的使用
    5.4.3  數據可視化
  實驗一：Python開發環境實驗
  實驗二：Python數據操作實驗
  實驗三：Python程序結構實驗
  實驗四：Python應用實驗
  思考題
第6章  機器學習與醫學應用
  6.1  機器學習的基本概念
    6.1.1  機器學習的定義
    6.1.2  機器學習的應用領域
  6.2  機器學習的分類
    6.2.1  按學習方式分類
    6.2.2  按任務類型分類
    6.2.3  按其他方式分類
  6.3  機器學習的一般流程
    6.3.1  定義分析目標
    6.3.2  數據收集
    6.3.3  數據預處理
    6.3.4  模型評估與選擇
    6.3.5  模型訓練
    6.3.6  性能度量
  6.4  機器學習的常用演算法
    6.4.1  決策樹
    6.4.2  支持向量機
    6.4.3  k近鄰演算法
    6.4.4  貝葉斯網路
    6.4.5  BIRCH演算法
    6.4.6  k-均值演算法
    6.4.7  DBSCAN演算法
  6.5  案例-糖尿病風險預測模型構建
  思考題
第7章  深度學習與醫學應用
  7.1  深度學習的基本概念
    7.1.1  深度學習的定義
    7.1.2  深度學習與機器學習的區別和聯繫
    7.1.3  深度學習的分類
  7.2  深度學習的工作原理
    7.2.1  深度學習的生物學啟示
    7.2.2  深度學習的網路模型
    7.2.3  學習機制
    7.2.4  經典網路架構
  7.3  深度學習的應用
    7.3.1  深度學習在圖像中的應用
    7.3.2  深度學習在文本中的應用
    7.3.3  深度學習在音頻中的應用
    7.3.4  基於深度學習的應用案例
  實驗：乳腺癌組織圖像識別
  思考題
第8章  大數據與醫學人工智慧的綜合應用

  8.1  用Python讀取可視化醫療數據
    8.1.1  醫療大數據與可視化技術概述
    8.1.2  醫療數據讀取與預處理
    8.1.3  基礎醫療數據可視化方法
    8.1.4  糖尿病併發症風險因素分析實戰
  8.2  基於Spark MLlib的癌症診斷模型訓練
    8.2.1  Spark概述
    8.2.2  Spark安裝和開發環境配置
    8.2.3  Spark MLlib
    8.2.4  Spark MLlib與Tkinter實戰
  8.3  腦部腫瘤自動分割
    8.3.1  腦部腫瘤分割技術概述
    8.3.2  腦部腫瘤分割常用影像模態與預處理
    8.3.3  腦部腫瘤自動分割核心演算法
    8.3.4  腦部腫瘤自動分割的評估指標
    8.3.5  腦部腫瘤圖像自動分割實戰
  8.4  肺結節篩查系統
    8.4.1  肺結節疾病概述
    8.4.2  目標檢測模型概述
    8.4.3  肺結節檢測實戰
  8.5  慢性疾病管理與個性化策略
    8.5.1  糖尿病視網膜病變概述
    8.5.2  糖尿病視網膜病變實戰
  思考題
第9章  醫療機器人與智能設備
  9.1  機器人
    9.1.1  機器人的內涵
    9.1.2  機器人的發展階段
    9.1.3  典型機器人
  9.2  機器人分類
    9.2.1  按應用場景分類
    9.2.2  按功能特性分類
    9.2.3  按形態分類
    9.2.4  按研發目的分類
  9.3  醫療機器人
    9.3.1  手術機器人
    9.3.2  康復機器人
    9.3.3  服務機器人
  9.4  機器人感知與決策技術
    9.4.1  視覺感知
    9.4.2  觸覺感知
    9.4.3  智能決策
  9.5  智能可穿戴設備與健康監測
    9.5.1  可穿戴設備原理
    9.5.2  健康數據採集
    9.5.3  智能反饋系統
  思考題
第10章  數據安全與人工智慧倫理
  10.1  數據安全問題與技術
    10.1.1  數據安全存在的問題

    10.1.2  數據安全技術
  10.2  人工智慧倫理的發展史
    10.2.1  人工智慧倫理的提出
    10.2.2  人工智慧倫理的發展
  10.3  人工智慧倫理的典型案例
    10.3.1  AI在輔助診斷中的偏見問題
    10.3.2  AI在司法領域的應用問題
    10.3.3  自動駕駛汽車的倫理困境
    10.3.4  AI在金融領域的應用問題
  10.4  人工智慧倫理治理的原則
    10.4.1  公平性原則
    10.4.2  透明度原則
    10.4.3  知情權原則
    10.4.4  責任可追溯原則
    10.4.5  可控性原則
  10.5  人工智慧倫理治理的措施
    10.5.1  技術改進
    10.5.2  道德規範
    10.5.3  政策引領
    10.5.4  法律約束
    10.5.5  教育引導
  思考題
主要參考文獻

  • 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