掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能導論 版權信息
- ISBN：9787115560438
- 條形碼：9787115560438 ; 978-7-115-56043-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能導論 本書特色
1.本書主要針對高等職業院校學生的特點，突出素質教育，以培養學生的能力為本位，以提高學生的就業技能為導向。 2.全書內容簡潔、結構嚴謹、邏輯分明、條理清晰，圖文并茂、在內容和形式上都有創新。 3.教材的編寫由淺入深，即使沒有接觸過人工智能的學生也能很快上手。 4.本書采用 “啟發式教學”等教學方法，充分激發學生的學習興趣，發揮學生學習的主動性，變常規的被動學習和填鴨式教學為積極主動學習。 5.參與本書編寫工作的人員都是長期從事大數據、人工智能及相關課程教學的一線教師和長期從事網絡管理的網絡工程師，具有豐富的教學經驗和實踐經驗。
人工智能導論 內容簡介
本書主要講述人工智能的基礎知識與基礎理論, 并通過大量的人工智能應用幫助讀者快速了解人工智能相關技術。本書共10章, 分別為人工智能概述、人工智能基礎知識、機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、人工智能技術應用場景、智能機器人和人工智能的挑戰與未來。
人工智能導論 目錄
第１章 人工智能概述 1
1．1 人工智能簡介 1
1．1．1 人工智能的定義 1
1．1．2 人工智能的特點 2
1．1．3 人工智能的分類 2
1．2 人工智能的起源與發展 3
1．2．1 人工智能的歷史 3
1．2．2 我國的人工智能發展現狀 5
1．3 人工智能的研究內容 6
1．3．1 認知建模 6
1．3．2 知識表示 6
1．3．3 知識應用 7
1．3．4 推理 7
1．3．5 機器感知 7
1．3．6 機器思維 7
1．3．7 機器學習 8
1．3．8 機器行為 8
1．4 人工智能領域的著名專家與代表性人物 8
1．4．1 艾倫 圖靈 8
1．4．2 斯圖爾特 羅素 8
1．4．3 斯蒂芬 霍金 9
1．4．4 賈斯汀 卡塞爾 9
1．4．5 約翰 麥卡錫 9
1．4．6 吳恩達 9
1．4．7 德米什 哈薩比斯 10
1．5 人工智能研究的主要學派 10
1．5．1 符號主義 10
1．5．2 連接主義 10
1．5．3 行為主義 11
1．6 人工智能的應用 11
1．6．1 專家系統 11
1．6．2 自然語言處理 12
1．6．3 博弈 12
1．6．4 搜索 13
1．6．5 感知問題 13
1．6．6 模式識別 13
1．6．7 機器人學 13
1．7 小結 14
1．8 習題 14
第２章 人工智能基礎知識 15
2．1 人工智能的數學基礎 15
2．1．1 微積分 15
2．1．2 線性代數 16
2．1．3 概率論與數理統計 16
2．1．4 *優化理論 17
2．1．5 形式邏輯 17
2．2 人工智能的常用工具 17
2．2．1 TensorFlow 17
2．2．2 Mahout 18
2．2．3 Torch 18
2．2．4 Spark MLlib 18
2．2．5 Keras 18
2．2．6 CNTK 18
2．3 數據采集 19
2．3．1 數據采集的概念 19
2．3．2 數據采集的常見方法 19
2．4 數據存儲 21
2．4．1 數據存儲的概念 21
2．4．2 數據存儲的方式 21
2．5 數據清洗 23
2．5．1 數據清洗的概念 23
2．5．2 數據清洗的原理 24
2．5．3 數據清洗的應用領域 25
2．5．4 數據清洗的評估 25
2．6 數據分析 26
2．6．1 大數據分析概述 26
2．6．2 大數據分析的主要類型 26
2．6．3 數據挖掘 27
2．6．4 數據可視化 29
2．7 小結 32
2．8 習題 32
第3章 機器學習 34
3．1 機器學習概述 34
3．1．1 機器學習簡介 34
3．1．2 機器學習的發展 35
3．1．3 機器學習的應用前景 36
3．1．4 機器學習的未來 37
3．2 機器學習的分類 37
3．2．1 監督學習 38
3．2．2 無監督學習 39
3．2．3 半監督學習 40
3．2．4 遷移學習 40
3．2．5 強化學習 41
3．3 機器學習常用算法 42
3．3．1 回歸算法 42
3．3．2 聚類算法 46
3．3．3 降維算法 49
3．3．4 決策樹算法 50
3．3．5 貝葉斯算法 51
3．3．6 支持向量機算法 53
3．3．7 關聯規則算法 54
3．3．8 遺傳算法 57
3．4 小結 60
3．5 習題 61
第4章 深度學習 62
4．1 神經網絡 62
4．1．1 神經網絡簡介 62
4．1．2 神經網絡發展歷史 63
4．1．3 單個神經元 64
4．1．4 神經網絡的結構 64
4．1．5 神經網絡的學習 65
4．1．6 激活函數 66
4．1．7 損失函數 68
4．2 感知機 68
4．2．1 感知機簡介 68
4．2．2 多層感知機 69
4．3 卷積神經網絡 70
4．3．1 卷積神經網絡簡介 70
4．3．2 卷積神經網絡的結構 71
4．3．3 常用的卷積神經網絡 72
4．4 循環神經網絡 74
4．4．1 循環神經網絡簡介 74
4．4．2 循環神經網絡的結構 74
4．4．3 常用的循環神經網絡 75
4．5 生成對抗網絡 76
4．5．1 生成對抗網絡簡介 76
4．5．2 生成對抗網絡的結構 76
4．5．3 常用的生成對抗網絡 77
4．6 深度學習的應用 78
4．6．1 AlphaGo Zero 78
4．6．2 自動駕駛 80
4．7 小結 81
4．8 習題 82
第5章 計算機視覺 83
5．1 計算機視覺概述 83
5．1．1 計算機視覺簡介 83
5．1．2 計算機視覺的發展歷史 84
5．1．3 計算機視覺研究的意義 85
5．1．4 計算機視覺的應用及面臨的挑戰 85
5．2 圖像分類 88
5．2．1 圖像分類簡介 88
5．2．2 圖像分類算法 88
5．3 目標檢測 91
5．3．1 目標檢測簡介 91
5．3．2 目標檢測框架模型 91
5．4 圖像分割 94
5．4．1 圖像分割簡介 94
5．4．2 圖像分割算法 95
5．5 小結 96
5．6 習題 96
第6章 自然語言處理 97
6．1 自然語言處理簡介 97
6．1．1 自然語言處理的定義 97
6．1．2 自然語言處理的發展歷程 98
6．1．3 自然語言處理的研究方向 99
6．1．4 自然語言處理的一般工作原理 100
6．2 自然語言處理的組成 101
6．3 自然語言理解 101
6．3．1 自然語言理解的層次 102
6．3．2 詞法分析 103
6．3．3 句法分析 104
6．3．4 語義分析 105
6．4 信息檢索 106
6．4．1 信息檢索簡介 107
6．4．2 信息檢索的發展歷程 107
6．4．3 信息檢索的特點 108
6．4．4 信息檢索的基本原理 108
6．4．5 信息檢索的類型 108
6．4．6 信息檢索的應用 110
6．5 機器翻譯 111
6．5．1 機器翻譯的基本模式 111
6．5．2 統計機器翻譯 112
6．5．3 機器翻譯的應用 113
6．6 情感分析 114
6．6．1 情感分析概述 115
6．6．2 情感分析的定義 115
6．6．3 情感分析的任務 115
6．6．4 情感分析的應用 117
6．6．5 情感分析面臨的困難與挑戰 119
6．7 語音識別 120
6．7．1 語音識別的定義 120
6．7．2 語音識別的發展歷程 120
6．7．3 語音識別的基本原理 121
6．7．4 語音識別的應用 121
6．8 自然語言處理面臨的問題和展望 124
6．8．1 自然語言處理面臨的問題 124
6．8．2 自然語言處理的展望 125
6．9 小結 126
6．10 習題 127
第7章 知識圖譜 128
7．1 知識圖譜簡介 128
7．1．1 知識圖譜的定義 128
7．1．2 知識圖譜的發展歷史 129
7．1．3 知識圖譜的類型 130
7．1．4 知識圖譜的重要性 131
7．2 知識表示和知識建模 132
7．2．1 知識表示 132
7．2．2 知識建模 135
7．3 知識抽取 138
7．3．1 實體抽取 139
7．3．2 關系抽取 139
7．3．3 屬性抽取 139
7．4 知識存儲 140
7．4．1 知識存儲概述 140
7．4．2 知識存儲方式 140
7．4．3 知識存儲工具 141
7．5 知識融合 142
7．5．1 知識融合概述 142
7．5．2 知識融合過程 142
7．6 知識推理 143
7．6．1 知識圖譜的表示 143
7．6．2 并行知識推理 143
7．6．3 實體關系知識推理 144
7．6．4 模式歸納知識推理 144
7．7 知識圖譜的應用 145
7．7．1 語義搜索 145
7．7．2 問答系統 146
7．8 小結 149
7．9 習題 150
第8章 人工智能技術應用場景 151
8．1 智慧交通 151
8．1．1 智慧交通的概念 151
8．1．2 智慧交通中的人工智能應用 152
8．1．3 智慧交通中的核心技術 153
8．2 智慧電商 155
8．2．1 智慧電商的概念 155
8．2．2 智慧電商中的人工智能應用 155
8．2．3 智慧電商案例分析 159
8．3 智能醫學 160
8．3．1 智能醫學的概念 160
8．3．2 智能醫學的發展歷程 160
8．3．3 智能醫學涵蓋的內容 161
8．3．4 醫學中的人工智能應用 162
8．3．5 智能醫學的發展 164
8．4 智能制造 164
8．4．1 智能制造的概念 164
8．4．2 智能制造的特征 164
8．4．3 智能制造中的人工智能應用 165
8．4．4 智能制造的發展 167
8．5 小結 168
8．6 習題 168
第9章 智能機器人 169
9．1 智能機器人概述 169
9．1．1 機器人簡介 169
9．1．2 認識智能機器人 173
9．1．3 智能機器人的發展現狀 174
9．1．4 智能機器人的前景 174
9．2 智能機器人的核心技術 175
9．2．1 定位導航 175
9．2．2 人機交互 180
9．3 智能機器人的應用 181
9．4 小結 184
9．5 習題 185
第 10章 人工智能的挑戰與未來 186
10．1 人工智能的挑戰 186
10．1．1 數據 186
10．1．2 算法模型可解釋性 187
10．1．3 業務場景理解 188
10．1．4 服務方式 188
10．1．5 投入產出比 189
10．2 人工智能對社會的影響 189
10．2．1 人工智能對教育與就業的影響 190
10．2．2 人工智能對隱私與安全的影響 191
10．3 人工智能的未來 191
10．3．1 人工智能未來的發展趨勢 192
10．3．2 人工智能未來的技術發展方向 193
10．3．3 人工智能未來的應用趨勢 196
10．4 小結 197
10．5 習題 198
參考文獻 199
1．1 人工智能簡介 1
1．1．1 人工智能的定義 1
1．1．2 人工智能的特點 2
1．1．3 人工智能的分類 2
1．2 人工智能的起源與發展 3
1．2．1 人工智能的歷史 3
1．2．2 我國的人工智能發展現狀 5
1．3 人工智能的研究內容 6
1．3．1 認知建模 6
1．3．2 知識表示 6
1．3．3 知識應用 7
1．3．4 推理 7
1．3．5 機器感知 7
1．3．6 機器思維 7
1．3．7 機器學習 8
1．3．8 機器行為 8
1．4 人工智能領域的著名專家與代表性人物 8
1．4．1 艾倫 圖靈 8
1．4．2 斯圖爾特 羅素 8
1．4．3 斯蒂芬 霍金 9
1．4．4 賈斯汀 卡塞爾 9
1．4．5 約翰 麥卡錫 9
1．4．6 吳恩達 9
1．4．7 德米什 哈薩比斯 10
1．5 人工智能研究的主要學派 10
1．5．1 符號主義 10
1．5．2 連接主義 10
1．5．3 行為主義 11
1．6 人工智能的應用 11
1．6．1 專家系統 11
1．6．2 自然語言處理 12
1．6．3 博弈 12
1．6．4 搜索 13
1．6．5 感知問題 13
1．6．6 模式識別 13
1．6．7 機器人學 13
1．7 小結 14
1．8 習題 14
第２章 人工智能基礎知識 15
2．1 人工智能的數學基礎 15
2．1．1 微積分 15
2．1．2 線性代數 16
2．1．3 概率論與數理統計 16
2．1．4 *優化理論 17
2．1．5 形式邏輯 17
2．2 人工智能的常用工具 17
2．2．1 TensorFlow 17
2．2．2 Mahout 18
2．2．3 Torch 18
2．2．4 Spark MLlib 18
2．2．5 Keras 18
2．2．6 CNTK 18
2．3 數據采集 19
2．3．1 數據采集的概念 19
2．3．2 數據采集的常見方法 19
2．4 數據存儲 21
2．4．1 數據存儲的概念 21
2．4．2 數據存儲的方式 21
2．5 數據清洗 23
2．5．1 數據清洗的概念 23
2．5．2 數據清洗的原理 24
2．5．3 數據清洗的應用領域 25
2．5．4 數據清洗的評估 25
2．6 數據分析 26
2．6．1 大數據分析概述 26
2．6．2 大數據分析的主要類型 26
2．6．3 數據挖掘 27
2．6．4 數據可視化 29
2．7 小結 32
2．8 習題 32
第3章 機器學習 34
3．1 機器學習概述 34
3．1．1 機器學習簡介 34
3．1．2 機器學習的發展 35
3．1．3 機器學習的應用前景 36
3．1．4 機器學習的未來 37
3．2 機器學習的分類 37
3．2．1 監督學習 38
3．2．2 無監督學習 39
3．2．3 半監督學習 40
3．2．4 遷移學習 40
3．2．5 強化學習 41
3．3 機器學習常用算法 42
3．3．1 回歸算法 42
3．3．2 聚類算法 46
3．3．3 降維算法 49
3．3．4 決策樹算法 50
3．3．5 貝葉斯算法 51
3．3．6 支持向量機算法 53
3．3．7 關聯規則算法 54
3．3．8 遺傳算法 57
3．4 小結 60
3．5 習題 61
第4章 深度學習 62
4．1 神經網絡 62
4．1．1 神經網絡簡介 62
4．1．2 神經網絡發展歷史 63
4．1．3 單個神經元 64
4．1．4 神經網絡的結構 64
4．1．5 神經網絡的學習 65
4．1．6 激活函數 66
4．1．7 損失函數 68
4．2 感知機 68
4．2．1 感知機簡介 68
4．2．2 多層感知機 69
4．3 卷積神經網絡 70
4．3．1 卷積神經網絡簡介 70
4．3．2 卷積神經網絡的結構 71
4．3．3 常用的卷積神經網絡 72
4．4 循環神經網絡 74
4．4．1 循環神經網絡簡介 74
4．4．2 循環神經網絡的結構 74
4．4．3 常用的循環神經網絡 75
4．5 生成對抗網絡 76
4．5．1 生成對抗網絡簡介 76
4．5．2 生成對抗網絡的結構 76
4．5．3 常用的生成對抗網絡 77
4．6 深度學習的應用 78
4．6．1 AlphaGo Zero 78
4．6．2 自動駕駛 80
4．7 小結 81
4．8 習題 82
第5章 計算機視覺 83
5．1 計算機視覺概述 83
5．1．1 計算機視覺簡介 83
5．1．2 計算機視覺的發展歷史 84
5．1．3 計算機視覺研究的意義 85
5．1．4 計算機視覺的應用及面臨的挑戰 85
5．2 圖像分類 88
5．2．1 圖像分類簡介 88
5．2．2 圖像分類算法 88
5．3 目標檢測 91
5．3．1 目標檢測簡介 91
5．3．2 目標檢測框架模型 91
5．4 圖像分割 94
5．4．1 圖像分割簡介 94
5．4．2 圖像分割算法 95
5．5 小結 96
5．6 習題 96
第6章 自然語言處理 97
6．1 自然語言處理簡介 97
6．1．1 自然語言處理的定義 97
6．1．2 自然語言處理的發展歷程 98
6．1．3 自然語言處理的研究方向 99
6．1．4 自然語言處理的一般工作原理 100
6．2 自然語言處理的組成 101
6．3 自然語言理解 101
6．3．1 自然語言理解的層次 102
6．3．2 詞法分析 103
6．3．3 句法分析 104
6．3．4 語義分析 105
6．4 信息檢索 106
6．4．1 信息檢索簡介 107
6．4．2 信息檢索的發展歷程 107
6．4．3 信息檢索的特點 108
6．4．4 信息檢索的基本原理 108
6．4．5 信息檢索的類型 108
6．4．6 信息檢索的應用 110
6．5 機器翻譯 111
6．5．1 機器翻譯的基本模式 111
6．5．2 統計機器翻譯 112
6．5．3 機器翻譯的應用 113
6．6 情感分析 114
6．6．1 情感分析概述 115
6．6．2 情感分析的定義 115
6．6．3 情感分析的任務 115
6．6．4 情感分析的應用 117
6．6．5 情感分析面臨的困難與挑戰 119
6．7 語音識別 120
6．7．1 語音識別的定義 120
6．7．2 語音識別的發展歷程 120
6．7．3 語音識別的基本原理 121
6．7．4 語音識別的應用 121
6．8 自然語言處理面臨的問題和展望 124
6．8．1 自然語言處理面臨的問題 124
6．8．2 自然語言處理的展望 125
6．9 小結 126
6．10 習題 127
第7章 知識圖譜 128
7．1 知識圖譜簡介 128
7．1．1 知識圖譜的定義 128
7．1．2 知識圖譜的發展歷史 129
7．1．3 知識圖譜的類型 130
7．1．4 知識圖譜的重要性 131
7．2 知識表示和知識建模 132
7．2．1 知識表示 132
7．2．2 知識建模 135
7．3 知識抽取 138
7．3．1 實體抽取 139
7．3．2 關系抽取 139
7．3．3 屬性抽取 139
7．4 知識存儲 140
7．4．1 知識存儲概述 140
7．4．2 知識存儲方式 140
7．4．3 知識存儲工具 141
7．5 知識融合 142
7．5．1 知識融合概述 142
7．5．2 知識融合過程 142
7．6 知識推理 143
7．6．1 知識圖譜的表示 143
7．6．2 并行知識推理 143
7．6．3 實體關系知識推理 144
7．6．4 模式歸納知識推理 144
7．7 知識圖譜的應用 145
7．7．1 語義搜索 145
7．7．2 問答系統 146
7．8 小結 149
7．9 習題 150
第8章 人工智能技術應用場景 151
8．1 智慧交通 151
8．1．1 智慧交通的概念 151
8．1．2 智慧交通中的人工智能應用 152
8．1．3 智慧交通中的核心技術 153
8．2 智慧電商 155
8．2．1 智慧電商的概念 155
8．2．2 智慧電商中的人工智能應用 155
8．2．3 智慧電商案例分析 159
8．3 智能醫學 160
8．3．1 智能醫學的概念 160
8．3．2 智能醫學的發展歷程 160
8．3．3 智能醫學涵蓋的內容 161
8．3．4 醫學中的人工智能應用 162
8．3．5 智能醫學的發展 164
8．4 智能制造 164
8．4．1 智能制造的概念 164
8．4．2 智能制造的特征 164
8．4．3 智能制造中的人工智能應用 165
8．4．4 智能制造的發展 167
8．5 小結 168
8．6 習題 168
第9章 智能機器人 169
9．1 智能機器人概述 169
9．1．1 機器人簡介 169
9．1．2 認識智能機器人 173
9．1．3 智能機器人的發展現狀 174
9．1．4 智能機器人的前景 174
9．2 智能機器人的核心技術 175
9．2．1 定位導航 175
9．2．2 人機交互 180
9．3 智能機器人的應用 181
9．4 小結 184
9．5 習題 185
第 10章 人工智能的挑戰與未來 186
10．1 人工智能的挑戰 186
10．1．1 數據 186
10．1．2 算法模型可解釋性 187
10．1．3 業務場景理解 188
10．1．4 服務方式 188
10．1．5 投入產出比 189
10．2 人工智能對社會的影響 189
10．2．1 人工智能對教育與就業的影響 190
10．2．2 人工智能對隱私與安全的影響 191
10．3 人工智能的未來 191
10．3．1 人工智能未來的發展趨勢 192
10．3．2 人工智能未來的技術發展方向 193
10．3．3 人工智能未來的應用趨勢 196
10．4 小結 197
10．5 習題 198
參考文獻 199
展開全部
人工智能導論 作者簡介
黃源，重慶航天職業技術學院計算機系副教授，主要研究項目及領域為網絡通信、軟件開發等，曾經出版《XML基礎與案例教程》《HTML5+CSS3網頁設計》《搜索引擎優化基礎基礎與實訓教程》等教材。
書友推薦
- >
史學評論
- >
小考拉的故事-套裝共3冊
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
回憶愛瑪儂
- >
自卑與超越
- >
上帝之肋:男人的真實旅程
- >
推拿
- >
經典常談
本類暢銷
