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(公共課版普通高等學校人工智慧通識系列教材)

  • 作者：編者:黃棟//黃瓊//裴頌文|責編:姚蕾//王芳
  • 出版社：機械工業
  • ISBN：9787111822851
  • 出版日期：2026/10/01
  • 裝幀：平裝
  • 頁數：279
人民幣：RMB 76 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書立足高校人工智慧通識課程建設需求，系統介紹人工智慧的基本概念、關鍵技術、典型應用及發展趨勢，旨在幫助讀者建立清晰的知識框架，培養智能時代所需的基本素養與跨學科視野。全書按照「基礎認知→技術領域→前沿發展」的邏輯進行組織，共三篇。基礎篇主要介紹人工智慧的發展歷程、基本概念、計算思維與智能思維，以及機器學習的基本方法，幫助讀者理解人工智慧從何而來、機器如何學習，以及相關技術背後的基本邏輯。領域篇圍繞電腦視覺、自然語言處理、大數據分析、具身智能和區塊鏈等方向，介紹人工智慧在不同技術領域的主要內容與典型應用，幫助讀者建立對人工智慧技術的整體認知。大模型前沿篇聚焦近年來快速發展的大模型技術與應用，系統介紹大模型的基本原理、典型應用、智能體系統，以及倫理與安全等問題，幫助讀者把握人工智慧發展的新趨勢。
    全書結構清晰，兼顧基礎性、時代性與可讀性，適合作為高校人工智慧通識課程教材，並提供課程PPT、習題集、實踐指導材料等配套資源。
作者介紹
編者:黃棟//黃瓊//裴頌文|責編:姚蕾//王芳
目錄
前言
基礎篇
  第1章  緒論
    1.1  什麼是人工智慧
      1.1.1  初識人工智慧
      1.1.2  人工智慧的能力構成與特徵
    1.2  人工智慧發展歷程
      1.2.1  理論奠基與學科確立
      1.2.2  早期探索與第一次興衰
      1.2.3  專家系統浪潮與第二次起伏
      1.2.4  理性回歸與長期積累
      1.2.5  深度學習與大模型驅動的新階段
      1.2.6  歷史經驗的啟示
    1.3  人工智慧技術與應用概覽
      1.3.1  人工智慧的關鍵技術體系
      1.3.2  人工智慧的典型應用場景
    1.4  未來趨勢探討
      1.4.1  從專用智能走向通用智能
      1.4.2  可控性與可解釋性的持續提升
      1.4.3  人機協作為智能時代的基本模式
      1.4.4  跨學科融合的持續深化
    1.5  關於本書
  第2章  智能與計算思維
    2.1  計算思維
      2.1.1  計算思維的定義
      2.1.2  計算思維的兩個維度
      2.1.3  計算思維的基本步驟
      2.1.4  計算思維的基石：確定性邏輯
      2.1.5  計算思維的應用領域
    2.2  智能思維
      2.2.1  從計算思維到智能思維
      2.2.2  初探數據驅動
      2.2.3  智能思維的重要特徵
      2.2.4  不確定性思維下的預測與決策
      2.2.5  智能思維的交互實踐
    2.3  學習範式
      2.3.1  學習範式的跨領域內涵
      2.3.2  機器學習的幾類學習範式
      2.3.3  學習範式的演進
      2.3.4  認知素養的升維
  第3章  機器學習基礎
    3.1  基本概念
      3.1.1  機器學習的本質：從「映射」講起
      3.1.2  從規則驅動到數據驅動
      3.1.3  關鍵術語概覽
      3.1.4  機器學習的任務分類
    3.2  機器學習的三要素
      3.2.1  模型
      3.2.2  學習準則
      3.2.3  優化演算法

    3.3  機器學習常見模型
      3.3.1  分類模型概覽
      3.3.2  聚類模型概覽
      3.3.3  回歸模型概覽
    3.4  從機器學習到深度學習
      3.4.1  為何走向深度
      3.4.2  常見深度學習模型
      3.4.3  常見深度學習框架
    3.5  前沿方向速覽
      3.5.1  集成學習
      3.5.2  強化學習
      3.5.3  多模態學習
      3.5.4  遷移學習與大模型微調
領域篇
  第4章  電腦視覺
    4.1  基本概念
    4.2  圖像處理基礎
      4.2.1  從自然光到數字圖像
      4.2.2  圖像的基本類型
      4.2.3  卷積與圖像特徵
      4.2.4  人工設計特徵與表徵學習
    4.3  卷積神經網路
      4.3.1  從全連接網路到卷積神經網路
      4.3.2  卷積神經網路的基本組成
      4.3.3  感受野與數據增強
      4.3.4  經典卷積神經網路模型
      4.3.5  卷積之外：Transformer及其他神經網路
    4.4  電腦視覺中的典型任務
      4.4.1  圖像分類
      4.4.2  目標檢測
      4.4.3  目標跟蹤
      4.4.4  圖像分割
    4.5  進階學習
      4.5.1  RGB-D圖像處理
      4.5.2  遙感與高光譜圖像處理
      4.5.3  對抗攻擊與模型魯棒性
      4.5.4  生成式視覺
  第5章  自然語言處理
    5.1  基本概念
      5.1.1  目標與挑戰
      5.1.2  發展歷程與階段特徵
    5.2  基礎技術與工具
      5.2.1  分詞與詞元
      5.2.2  辭彙語義：從獨熱編碼到詞向量
      5.2.3  詞性標注與句法分析
    5.3  主要模型及演進之路
      5.3.1  從規則到統計
      5.3.2  深度學習模型的興起
      5.3.3  自注意力與Transformer架構
    5.4  常見的自然語言處理任務

      5.4.1  情感分析：機器的「情緒感知」
      5.4.2  機器翻譯：跨越語言屏障
      5.4.3  智能問答與搜索：從關鍵詞匹配到理解「言外之意」
      5.4.4  文本生成：從摘要到創作
  第6章  大數據分析
    6.1  基本概念
    6.2  關鍵技術
      6.2.1  數據採集和預處理
      6.2.2  數據分類
      6.2.3  數據聚類
      6.2.4  預測分析
      6.2.5  知識圖譜
      6.2.6  數據可視化
    6.3  進階學習
      6.3.1  感測器與物聯網：大數據「感知與連接」的基石
      6.3.2  生物信息學：大數據與生命科學的交匯
  第7章  具身智能
    7.1  基本概念
      7.1.1  具身智能的內涵
      7.1.2  具身智能的基本特徵
    7.2  關鍵技術
      7.2.1  感知技術
      7.2.2  運動規劃與控制
      7.2.3  學習演算法
      7.2.4  視覺語言動作模型
    7.3  應用實踐
      7.3.1  具身智能應用場景
      7.3.2  基於具身智能的工業園區巡檢機器人
      7.3.3  基於具身智能的農業採摘機器人
  第8章  區塊鏈
    8.1  基本概念
      8.1.1  區塊鏈的起源
      8.1.2  區塊鏈的定義
      8.1.3  區塊鏈的發展
    8.2  關鍵技術
      8.2.1  技術特性
      8.2.2  部署分類
      8.2.3  區塊鏈的技術架構
    8.3  進階學習
      8.3.1  密碼學基礎
      8.3.2  分散式網路
      8.3.3  共識機制
      8.3.4  智能合約
      8.3.5  區塊鏈應用：以金融、農業領域為例
大模型前沿篇
  第9章  大模型技術基礎
    9.1  基本概念
      9.1.1  大模型簡介
      9.1.2  發展歷程
      9.1.3  國內外主要大模型概覽

    9.2  大模型基本原理
      9.2.1  文本生成機制
      9.2.2  模型訓練流程
    9.3  「大材」（大模型）與「小用」（為我所用）
      9.3.1  提示詞工程：與模型高效對話的藝術
      9.3.2  大模型微調：為特定任務定製模型
      9.3.3  檢索增強生成：擴展知識與提升可信度
    9.4  智能體：從「對話者」到「執行者」的跨越
      9.4.1  智能體的基本定義與組成要素
      9.4.2  關鍵機制：規劃、工具調用與記憶的工程化
      9.4.3  智能體開發範式與主流框架：Coze、OpenClaw及其他
  第10章  大模型應用賦能
    10.1  大模型應用概述
      10.1.1  大模型應用的基本內涵
      10.1.2  大模型應用的現實價值
      10.1.3  大模型應用的整體分類
      10.1.4  大模型應用的主要特徵
    10.2  大模型應用面面觀
      10.2.1  文本應用：妙筆生花
      10.2.2  圖文應用：圖像生成與創意視覺
      10.2.3  視頻應用：從語音、視頻生成到數字人
    10.3  零基礎走進大模型輔助編程
      10.3.1  認知轉變：大模型如何抹平編程的入門門檻
      10.3.2  大模型輔助編程的高頻場景
      10.3.3  小白上手：三步完成第一次編程實操
      10.3.4  大模型輔助編程的五條安全準則
      10.3.5  比寫代碼更重要的編程思維
    10.4  再議大模型與智能體
      10.4.1  用戶視角下的智能體
      10.4.2  開發者視角下的智能體
      10.4.3  開源智能體框架的使用要點
    10.5  大模型幻覺問題及應對之策
      10.5.1  什麼是大模型幻覺
      10.5.2  大模型幻覺的成因
      10.5.3  大模型幻覺的應對措施
    10.6  駕馭大模型：人工智慧的倫理與安全
      10.6.1  人工智慧倫理的基本要求
      10.6.2  大模型應用中的安全風險
      10.6.3  當代大學生使用大模型應把握的基本邊界

  • 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