顶部
收藏

人工智能通识与实践


作者:
主编 杨建平 白玉艳 何云 副主编 李雪飞 刘俐 苏婕
定价:
45.00 元
版面字数:
330.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-066584-0
物料号:
66584-00
出版时间:
2026-01-23
读者对象:
高等教育

本书旨在深化教育教学改革、提升大学生人工智能素养。书中系统介绍人工智能的基础知识和概念,培养学生在人工智能领域的理解能力;帮助学生掌握人工智能核心思想,以及运用人工智能技术解决实际问题的能力,拓宽科学视野,激发创新意识。

全书共11章,主要内容包括计算机基础、初识人工智能、机器学习、深度学习、计算机视觉技术、智能语音识别、自然语言处理技术、智能机器人、生成式人工智能、人工智能发展趋势,并给出6个实验。

本书编写突出“学以致用”“前沿探索”和“场景广泛”的理念,除了介绍自然语言处理、计算机视觉、机器学习、神经网络与深度学习、智能机器人、主流大模型等人工智能领域的前沿内容及广泛的应用场景外,还强化农科特色场景案例,引入大模型技术赋能能力培养,形成区别于传统工科人工智能课程的差异化创新路径,强调理论与实践深度融合。

本书既可作为高等学校人工智能通识课程的教材,也可供对人工智能技术感兴趣的读者阅读。

  • 前辅文
  • 第1章 计算机基础
    • 1.1 计算机的基本定义
      • 1.1.1 计算机的本质
      • 1.1.2 计算机的形态演进
      • 1.1.3 计算机与人工智能的关系
    • 1.2 数据与编码
      • 1.2.1 数制系统
      • 1.2.2 信息编码
      • 1.2.3 编码的终极意义
    • 1.3 计算机组成原理
      • 1.3.1 硬件系统
      • 1.3.2 软件系统
      • 1.3.3 程序执行流程
      • 1.3.4 AI任务的执行逻辑与算力支撑
    • 1.4 计算思维
      • 1.4.1 计算思维的核心要素
      • 1.4.2 计算思维的递归性与并行性
      • 1.4.3 计算思维的跨学科应用
    • 1.5 新技术与新趋势
      • 1.5.1 量子计算
      • 1.5.2 边缘计算
      • 1.5.3 可解释性AI
      • 1.5.4 AI伦理与规范建设
    • 1.6 本章小结
    • 习题
  • 第2章 初识人工智能
    • 2.1 人工智能的基本定义
      • 2.1.1 AI在不同视角下的定义
      • 2.1.2 强人工智能与弱人工智能的区别
      • 2.1.3 人工智能的多学科性质
      • 2.1.4 人工智能的核心能力
    • 2.2 人工智能的发展历程
      • 2.2.1 早期概念与哲学基础
      • 2.2.2 人工智能概念的确立与初步探索
      • 2.2.3 人工智能发展历程的阶段划分
    • 2.3 人工智能的三大学派
      • 2.3.1 符号主义:基于规则的理性推理
      • 2.3.2 联结主义:基于神经网络的学习与涌现
      • 2.3.3 行为主义:基于环境交互的学习与适应
    • 2.4 人工智能的研究范畴与应用领域
      • 2.4.1 机器学习
      • 2.4.2 深度学习
      • 2.4.3 自然语言处理
      • 2.4.4 计算机视觉
      • 2.4.5 机器人学
    • 2.5 本章小结
    • 习题
  • 第3章 机器学习
    • 3.1 数据
    • 3.2 机器学习相关概念
    • 3.3 机器学习的分类
      • 3.3.1 按学习方式分类
      • 3.3.2 按输出类型分类
    • 3.4 机器学习的基本流程
    • 3.5 sklearn库简介
    • 3.6 监督学习及其应用
      • 3.6.1 线性回归预测房价
      • 3.6.2 用K近邻算法进行鸢尾花分类
    • 3.7 无监督学习及其应用
    • 3.8 本章小结
    • 习题
  • 第4章 深度学习
    • 4.1 人工神经网络
      • 4.1.1 从生物神经元到人工神经渊
      • 4.1.2 感知机:神经网络雏形
      • 4.1.3 多层前馈网络
    • 4.2 神经网络的训练过程
      • 4.2.1 前向传播与损失函数
      • 4.2.2 反向传播与梯度下降
    • 4.3 深度学习
      • 4.3.1 “深度”的定义与价值
      • 4.3.2 发展驱动力
    • 4.4 常用深度学习模型
      • 4.4.1 卷积神经网络
      • 4.4.2 循环神经网络与LSTM
      • 4.4.3 迁移学习
    • 4.5 应用案例
    • 4.6 本章小结
    • 习题
  • 第5章 计算机视觉技术
    • 5.1 计算机视觉的基本定义
      • 5.1.1 定义与本质
      • 5.1.2 发展历程与技术演进
    • 5.2 计算机视觉的任务
      • 5.2.1 图像分类:判断“是什么”
      • 5.2.2 目标检测与定位:确定“有什么”和“在哪里”
      • 5.2.3 语义分割:像素级的“类别划分”
      • 5.2.4 实例分割:区分“每个个体”
      • 5.2.5 目标跟踪:追踪“运动轨迹”
    • 5.3 计算机视觉的实现框架
      • 5.3.1 图像采集与预处理
      • 5.3.2 特征提取与表示
      • 5.3.3 模型训练与推理
      • 5.3.4 结果输出与应用落地
    • 5.4 计算机视觉的应用
      • 5.4.1 智能交通
      • 5.4.2 医疗健康
      • 5.4.3 智慧农业
    • 5.5 应用案例
      • 5.5.1 城市智能停车系统
      • 5.5.2 农田病虫害监测系统
    • 5.6 本章小结
    • 习题
  • 第6章 智能语音识别
    • 6.1 语音识别概述
      • 6.1.1 语音识别的概念
      • 6.1.2 语音识别技术的发展历程
    • 6.2 智能语音的研究范畴
      • 6.2.1 语音识别层
      • 6.2.2 语言理解层
      • 6.2.3 语音合成层
    • 6.3 语音识别的基本框架
      • 6.3.1 传统模块化语音识别框架
      • 6.3.2 端到端语音识别框架
    • 6.4 智能语音的应用
      • 6.4.1 智能生活领域
      • 6.4.2 企业服务领域
      • 6.4.3 公共服务与创新场景
      • 6.4.4 智慧农业领域
    • 6.5 应用案例:智慧农业语音指令识别
      • 6.5.1 相关技术
      • 6.5.2 实现代码
    • 6.6 本章小结
    • 习题
  • 第7章 自然语言处理技术
    • 7.1 自然语言处理概述
      • 7.1.1 自然语言处理的概念
      • 7.1.2 自然语言处理技术的发展历程
    • 7.2 自然语言处理基础
      • 7.2.1 文本的表示
      • 7.2.2 文本相似度
      • 7.2.3 语言模型
    • 7.3 自然语言处理的基础任务
      • 7.3.1 中文分词
      • 7.3.2 词性标注
      • 7.3.3 命名实体识别
      • 7.3.4 句法分析
      • 7.3.5 语义分析
    • 7.4 自然语言处理的应用场景
      • 7.4.1 情感分析
      • 7.4.2 机器翻译
      • 7.4.3 智能问答
      • 7.4.4 智能对话
      • 7.4.5 个性化推荐
    • 7.5 应用案例:基于Gensim的农产品评论情感分析
      • 7.5.1 实现过程
      • 7.5.2 实现代码
    • 7.6 本章小结
    • 习题
  • 第8章 智能机器人
    • 8.1 机器人的基本定义
    • 8.2 机器人的发展历史
    • 8.3 机器人的体系结构
    • 8.4 机器人的分类
    • 8.5 智能机器人的应用
    • 8.6 本章小结
    • 习题
  • 第9章 生成式人工智能
    • 9.1 生成式人工智能概述
      • 9.1.1 生成式人工智能的工作原理
      • 9.1.2 生成式人工智能的发展背景
    • 9.2 大模型与生成式AI
      • 9.2.1 什么是生成式AI
      • 9.2.2 什么是大模型
      • 9.2.3 生成式AI与大模型的区别
    • 9.3 大模型的发展历史
      • 9.3.1 萌芽期
      • 9.3.2 探索沉淀期
      • 9.3.3 迅猛发展期
    • 9.4 国内外主流AIGC产品与应用
      • 9.4.1 AIGC的含义
      • 9.4.2 国内AIGC产品
      • 9.4.3 国外AIGC产品
    • 9.5 本章小结
    • 习题
  • 第10章 人工智能发展趋势
    • 10.1 国家政策与产业规划
      • 10.1.1 中国的全面规划与协调统筹
      • 10.1.2 美国的自由市场创新
      • 10.1.3 欧盟的监管政策先行与协同发展
    • 10.2 技术突破与应用深化
      • 10.2.1 前沿技术发展趋势
      • 10.2.2 人工智能的深化应用
    • 10.3 机遇与挑战
      • 10.3.1 政策扶持带来的发展机遇
      • 10.3.2 技术突破创造的应用机遇
      • 10.3.3 市场需求增长带来的商业机遇
      • 10.3.4 数据隐私与安全挑战
      • 10.3.5 人工智能公平性挑战
    • 10.4 人工智能安全
      • 10.4.1 人工智能自身安全
      • 10.4.2 人工智能应用安全
      • 10.4.3 人工智能安全的防护措施
    • 10.5 人工智能伦理
    • 10.6 本章小结
    • 习题
  • 第11章 实验
    • 11.1 实验1:运行环境配置
    • 11.2 实验2:农作物产量预测
    • 11.3 实验3:聚类
    • 11.4 实验4:分类
    • 11.5 实验5:农产品评论文本情感分析
    • 11.6 实验6:大语言模型实验
  • 参考文献

相关图书


相关数字化产品