顶部
收藏

人工智能技术应用


作者:
胡坚 张红 李寅 主编
定价:
48.00 元
版面字数:
310.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-066894-0
物料号:
66894-00
出版时间:
2026-07-16
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类
三级分类:
计算机应用技术

本书内容紧扣“人工智能+”行动要求,从AI基础知识入手,逐步探究其在各行业领域应用的新模式。全书共9个单元,主要内容包括人工智能基本概念、人工智能开发语言、人工智能程序库、人工智能框架、机器学习、深度学习、计算机视觉、自然语言处理以及语音处理。在深入讲解相关知识、剖析技术案例的基础上,同步开发了一个功能丰富的“电商AI综合应用”企业级项目。

本书配有微课视频、教学课件、课程标准、授课计划、案例源码、习题答案、在线题库等丰富的数字化教学资源。与本书配套的数字课程“人工智能技术应用”在“智慧职教”平台(www.icve.com.cn)上线,学习者可登录平台进行在线学习,授课教师可调用本课程构建符合自身教学特色的SPOC,详见“智慧职教”服务指南。授课教师也可登录“高等教育出版社产品信息检索系统”(xuanshu.hep.com.cn)搜索并下载本书配套教学资源,首次使用本系统的用户,请先进行注册并完成教师资格认证。

本书内容由浅入深,知识点覆盖全面且融合当前主流AI技术,适合作为高等职业院校计算机类专业的人工智能课程教材,也可供广大人工智能技术爱好者参考使用。

  • 前辅文
  • 基础篇
    • 单元1 初识人工智能
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 1.1 人工智能概述
        • 1.1.1 人工智能的基本概念
        • 1.1.2 人工智能的特征
      • 1.2 人工智能发展历程
        • 1.2.1 人工智能发展史
        • 1.2.2 人工智能研究现状
        • 1.2.3 人工智能的前景与挑战
      • 1.3 人工智能主流应用
        • 1.3.1 知识图谱
        • 1.3.2 计算机视觉
        • 1.3.3 自然语言处理
        • 1.3.4 语音识别
        • 1.3.5 数字机器人
        • 1.3.6 数字人
        • 1.3.7 多模态大模型
        • 1.3.8 机器人
      • 同步训练
        • 训练:智能对话与创意写作
      • 综合案例
        • 案例1:盘古大模型应用
      • 单元小结
      • 单元测试
    • 单元2 人工智能开发语言Python
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 2.1 Python基础知识
        • 2.1.1 Python简介
        • 2.1.2 Python安装与使用
        • 2.1.3 Python的基本语法
      • 2.2 Python常用IDE
        • 2.2.1 PyCharm的基本使用方法
        • 2.2.2 Anaconda与Jupyter使用
      • 2.3 Python常用库
        • 2.3.1 Pandas和NumPy
        • 2.3.2 Matplotlib数据可视化
        • 2.3.3 scikit-learn基本使用
      • 同步训练
        • 训练2-1:创建模拟成绩数据
        • 训练2-2:成绩分析与可视化处理
      • 综合案例
        • 案例2:销售数据分析及可视化
      • 单元小结
      • 单元测试
  • 技术篇
    • 单元3 人工智能程序库PyTorch
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 3.1 PyTorch概述
      • 3.2 PyTorch下载与安装
        • 3.2.1 在Windows环境下安装
        • 3.2.2 在Linux环境下安装
      • 3.3 PyTorch基础语法
        • 3.3.1 Tensor的数据类型
        • 3.3.2 Tensor的创建
        • 3.3.3 Tensor的基本操作
        • 3.3.4 Tensor的自动微分
      • 3.4 PyTorch模型搭建
      • 同步训练
        • 训练3-1:使用PyTorch创建线性回归模型
        • 训练3-2:线性回归模型评估与测试
      • 综合案例
        • 案例3:财务收据手写数字识别
      • 单元小结
      • 单元测试
    • 单元4 人工智能框架MindSpore
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 4.1 MindSpore基本知识
        • 4.1.1 MindSpore概述
        • 4.1.2 MindSpore的特点
        • 4.1.3 MindSpore层次结构
      • 4.2 MindSpore开发实践
        • 4.2.1 MindSpore开发流程
        • 4.2.2 MindSpore数据处理
        • 4.2.3 MindSpore模型定义
        • 4.2.4 MindSpore模型训练
        • 4.2.5 MindSpore保存与转换
      • 同步训练
        • 训练4-1:数据集处理
        • 训练4-2:ModelArts云上训练
      • 综合案例
        • 案例4:以图搜物的手机AI应用
      • 单元小结
      • 单元测试
    • 单元5 机器学习
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 5.1 机器学习概述
        • 5.1.1 机器学习的基本概念
        • 5.1.2 机器学习基本过程
      • 5.2 机器学习基础算法
        • 5.2.1 线性回归
        • 5.2.2 K近邻算法
        • 5.2.3 决策树
        • 5.2.4 K-means
      • 同步训练
        • 训练5-1:使用KNN算法对鸢尾花分类
        • 训练5-2:决策树在金融风控中的应用
      • 综合案例
        • 案例5:在线看房的价格预测系统
      • 单元小结
      • 单元测试
    • 单元6 深度学习
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 6.1 深度学习概述
        • 6.1.1 深度学习的基本概念
        • 6.1.2 BP神经网络
      • 6.2 卷积神经网络
        • 6.2.1 卷积神经网络原理
        • 6.2.2 LeNet
        • 6.2.3 VGG
        • 6.2.4 ResNet
      • 6.3 循环神经网络
        • 6.3.1 循环神经网络原理
        • 6.3.2 RNN实现及RNN变种
        • 6.3.3 LSTM
      • 同步训练
        • 训练6-1:使用卷积神经网络进行猫狗分类
        • 训练6-2:使用循环神经网络实现电影评价分类
      • 综合案例
        • 案例6:基于直播电商的用户画像
      • 单元小结
      • 单元测试
  • 应用篇
    • 单元7 计算机视觉
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 7.1 计算机视觉概述
        • 7.1.1 计算机视觉的基本概念
        • 7.1.2 计算机视觉的发展
      • 7.2 机器理解图像的方式
        • 7.2.1 图像数据表示
        • 7.2.2 图像数据增广
        • 7.2.3 经典图像数据集
      • 7.3 计算机视觉主要任务
        • 7.3.1 图像分类
        • 7.3.2 目标检测
        • 7.3.3 语义分割
        • 7.3.4 骨架检测
      • 同步训练
        • 训练7-1:增广图像数据
        • 训练7-2:手部关键点检测
      • 综合案例
        • 案例7:选购电商场景中的商品
      • 单元小结
      • 单元测试
    • 单元8 自然语言处理
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 8.1 自然语言处理概述
        • 8.1.1 自然语言与自然语言处理
        • 8.1.2 自然语言处理的发展
      • 8.2 机器理解自然语言的方式
        • 8.2.1 文本数据预处理
        • 8.2.2 词向量
        • 8.2.3 常见自然语言数据集
      • 8.3 自然语言处理典型应用
      • 同步训练
        • 训练8-1:实现词性标注
        • 训练8-2:计算文本相似度
      • 综合案例
        • 案例8:电商客户评价智能分析
      • 单元小结
      • 单元测试
    • 单元9 语音处理
      • 学习目标
      • 单元重点
      • 案例资源
      • 单元导引
      • 9.1 语音处理概述
        • 9.1.1 语音学基础
        • 9.1.2 语音处理技术
      • 9.2 机器合成语音的方式
        • 9.2.1 语音合成算法
        • 9.2.2 TTS开源库
        • 9.2.3 Tacotron2模型
      • 9.3 语音处理的主要任务
      • 同步训练
        • 训练9-1:中文文本的语音合成
        • 训练9-2:Mel频谱图的绘制
      • 综合案例
        • 案例9:商品导购词的语音合成
      • 单元小结
      • 单元测试
  • 参考文献

相关图书