顶部
  1. 首页
  2. 图书产品
  3. 人工智能基础与实践
收藏

人工智能基础与实践

样章
作者：
刘青山 主编
定价：
32.00 元
版面字数：
300.00千字
开本：
16开
装帧形式：
平装
版次：
1
最新版次
印刷时间：
2026-01-02
ISBN：
978-7-04-066741-7
物料号：
66741-00
出版时间：
2026-04-13
读者对象：
高等教育
一级分类：
计算机/教育技术类
二级分类：
计算机类专业核心课程
三级分类：
人工智能

本书系统介绍了人工智能领域的核心理论、关键技术与实践应用，构建了一套从基础入门到进阶实战的完整学习框架，旨在帮助读者跨越人工智能的学科门槛，掌握从理论知识到工程落地的全流程。全书共8章，以循序渐进为原则，层层递进地展开人工智能知识脉络：从人工智能的定义、发展简史及核心能力概述切入，夯实线性代数、概率与统计等数学基础，再到Python编程及科学计算库的实操应用，随后深入解析机器学习、强化学习、神经网络与深度学习、大模型等核心算法，最后通过完整实践项目实现知识的融会贯通。

本书可作为面向本科生的人工智能通识课程配套教材或实践指导书，同时也适合人工智能技术爱好者、相关领域研发工程师阅读参考，助力不同知识背景的读者快速入门人工智能领域，夯实技术认知基础。

  • 前辅文
  • 第1章 人工智能导论
    • §1.1 人工智能的定义与范畴
    • §1.2 人工智能发展简史
    • §1.3 人工智能的不同学派
    • §1.4 人工智能的核心能力：感知、学习、推理、决策
    • §1.5 人工智能的应用领域概览
    • 习题
  • 第2章 人工智能的数学基础
    • §2.1 线性代数
      • §2.1.1 矩阵运算
      • §2.1.2 特征值与特征分解
      • §2.1.3 奇异值分解（SVD）
    • §2.2 张量（tensor）基础
      • §2.2.1 张量的定义与表示
      • §2.2.2 张量的基本操作
      • §2.2.3 张量在AI中的核心应用场景
    • §2.3 概率与统计
      • §2.3.1 贝叶斯定理
      • §2.3.2 高斯分布
      • §2.3.3 最大似然估计
    • §2.4 最优化方法
      • §2.4.1 梯度下降法
      • §2.4.2 拉格朗日乘子法
    • §2.5 信息论基础
      • §2.5.1 熵
      • §2.5.2 KL散度
    • 习题
  • 第3章 人工智能编程基础
    • §3.1 Python核心语法
      • §3.1.1 Python语言简介
      • §3.1.2 Python中的基本数据类型
      • §3.1.3 Python中的组合数据类型
      • §3.1.4 Python中的语句结构
      • §3.1.5 Python中的函数
      • §3.1.6 Python中的面向对象编程
      • §3.1.7 案例——基于Python的复习小助手
    • §3.2 科学计算库：NumPy、Pandas
      • §3.2.1 数值计算库NumPy
      • §3.2.2 数据分析库Pandas
      • §3.2.3 案例——考试成绩与学习习惯关联度分析
    • §3.3 深度学习框架入门：PyTorch、MindSpore PaddlePaddle
      • §3.3.1 PyTorch语法基础
      • §3.3.2 MindSpore语法基础
      • §3.3.3 飞桨（PaddlePaddle）语法基础
      • §3.3.4 案例——MNIST手写数字识别
    • §3.4 可视化工具：Matplotlib、Seaborn
      • §3.4.1 Matplotlib
      • §3.4.2 Seaborn
      • §3.4.3 案例——分析不同城市的气温变化趋势
    • §3.5 图像处理简介及图像处理工具：OpenCV
      • §3.5.1 OpenCV的主要特点
      • §3.5.2 OpenCV核心功能模块
      • §3.5.3 案例基于OpenCV的图像去噪
  • 第4章 机器学习基础
    • §4.1 监督学习
      • §4.1.1 分类与回归
      • §4.1.2 线性回归
      • §4.1.3 支持向量机（SVM）
      • §4.1.4 决策树
      • §4.1.5 集成学习
    • §4.2 无监督学习
      • §4.2.1 聚类与降维
      • §4.2.2 k-means
      • §4.2.3 层次聚类
      • §4.2.4 DBSCAN算法
      • §4.2.5 主成分分析（PCA）
      • §4.2.6 线性判别分析
    • §4.3 半监督学习与迁移学习
      • §4.3.1 自训练算法
      • §4.3.2 生成模型
      • §4.3.3 基于图的方法
      • §4.3.4 领域自适应
      • §4.3.5 基于实例的迁移学习
      • §4.3.6 自监督学习
    • §4.4 机器学习模型评估
      • §4.4.1 数据集划分方法
      • §4.4.2 过拟合
      • §4.4.3 偏差-方差权衡
      • §4.4.4 性能评估指标
    • 习题
  • 第5章 强化学习
    • §5.1 强化学习的基本问题——网格世界示例
    • §5.2 基本概念
      • §5.2.1 集合
      • §5.2.2 模型
      • §5.2.3 策略
    • §5.3 马尔可夫决策过程（MDP）
      • §5.3.1 马尔可夫性质
      • §5.3.2 MDP的目标
    • §5.4 值迭代和策略迭代方法
      • §5.4.1 值迭代
      • §5.4.2 策略迭代
    • §5.5 经典算法：Q-Learning、深度Q网络（DQN）
      • §5.5.1 Q-learning的基本思想
      • §5.5.2 Q-learning核心机制
      • §5.5.3 Q-learning网格世界示例
      • §5.5.4 深度Q网络（DQN）核心机制
    • §5.6 策略梯度方法及Actor-Critic框架
      • §5.6.1 策略梯度方法
      • §5.6.2 Actor-Critic框架
    • §5.7 多智能体强化学习（MARL）：合作与竞争
      • §5.7.1 MARL的基本模型框架
      • §5.7.2 博弈论基础简介
      • §5.7.3 典型算法与方法框架
    • 习题
  • 第6章 神经网络与深度学习
    • §6.1 神经网络基础：感知机、反向传播、激活函数、损失函数
      • §6.1.1 感知机
      • §6.1.2 多层感知机
      • §6.1.3 反向传播
      • §6.1.4 激活函数
      • §6.1.5 损失函数
    • §6.2 卷积神经网络（CNN）：卷积层、池化层、全连接层
      • §6.2.1 卷积层
      • §6.2.2 池化层
      • §6.2.3 卷积神经网络举例
      • §6.2.4 上采样操作（针对密集预测任务）
    • §6.3 循环神经网络（RNN）与长短期记忆网络（LSTM）
      • §6.3.1 循环神经网络（RNN）
      • §6.3.2 长短期记忆网络（LSTM）
      • §6.3.3 RNN应用举例
    • §6.4 生成对抗网络（GAN）
      • §6.4.1 GAN的核心结构与角色分工
      • §6.4.2 GAN的训练原理：对抗博弈过程
      • §6.4.3 常用GAN变种与应用场景
    • 习题
  • 第7章 Transformer与大模型
    • §7.1 自注意力机制与Transformer
      • §7.1.1 自注意力机制
      • §7.1.2 Transformer模型
      • §7.1.3 视觉Transformer
    • §7.2 大语言模型
      • §7.2.1 大语言模型简介
      • §7.2.2 大语言模型的主要技术
      • §7.2.3 关键技术挑战与优化方向
    • §7.3 多模态大模型简介
      • §7.3.1 核心定义与技术背景
      • §7.3.2 多模态大模型的关键技术
    • §7.4 生成式人工智能（AIGC）
      • §7.4.1 核心定义与技术关联
      • §7.4.2 生成模型
    • 习题
  • 第8章 人工智能实践项目
    • §8.1 传统机器学习方法的应用：红酒质量评估
      • §8.1.1 案例背景
      • §8.1.2 案例及方案分析
      • §8.1.3 案例代码
    • §8.2 基于YOLO网络的多光谱遥感图像目标检测
      • §8.2.1 多光谱遥感图像目标检测数据集构建
      • §8.2.2 基于空谱融合的MS-PP-YOLOE网络结构
      • §8.2.3 实验结果
    • §8.3 生成对抗网络（GAN）艺术创作
      • §8.3.1 案例介绍
      • §8.3.2 核心模块
      • §8.3.3 完整代码
    • §8.4 强化学习复杂迷宫案例：设计思路与实现
      • §8.4.1 案例概述
      • §8.4.2 随机迷宫环境设计
      • §8.4.3 Q-Learning智能体设计
      • §8.4.4 训练框架实现
      • §8.4.5 可视化模块优化
      • §8.4.6 完整实现代码
      • §8.5 多模态大模型Qwen2.5-VL图像描述案例
      • §8.5.1 多模态大模型简介
      • §8.5.2 案例实现：Qwen2.5-VL图像描述生成

相关图书

人工智能伦理导论

古天龙

45.50 元 收藏

人工智能原理与应用

张仰森

29.50 元 收藏

人工智能基础

暂无作者

32.50 元 收藏

人工智能基础(第2版)

高济

36.00 元 收藏

人工智能基础(第2版)

高济

0.00 元 收藏

人工智能基础（第2版）

蔡自兴 蒙祖强

33.00 元 收藏

人工智能基础（第3版）

蔡自兴 蒙祖强

39.00 元 收藏

人工智能基础（第4版）

蔡自兴 蒙祖强 陈白帆

46.50 元 收藏

人工智能基础（第5版）

蔡自兴 蒙祖强 陈白帆 编著

49.00 元 收藏

人工智能安全导论

主审：赵沁平 主编：刘祥龙 王蕴红 王志波 俞能海

53.00 元 收藏

人工智能导论（第3版）

王万良

26.10 元 收藏

人工智能导论（第3版）

王万良

26.10 元 收藏

人工智能导论（第4版）

王万良

31.00 元 收藏

人工智能导论（第5版）

王万良

42.00 元 收藏

人工智能导论（第5版）

王万良

42.00 元 收藏