顶部
收藏

人工智能概论


作者:
主编 王刚 郭晔 副主编 许文丽 赵蕾 薛峰 滕晓宇 金明心 陆新宇
定价:
39.00 元
版面字数:
370.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067690-7
物料号:
67690-00
出版时间:
2026-07-22
读者对象:
高等教育

本书是面向财经类专业的人工智能通识教材,以“理论基础扎实、行业应用鲜明、实践能力突出”为编写原则,系统介绍了人工智能的核心概念、关键技术与典型财经行业应用。

本书共10章,分别介绍了人工智能的概念、发展历程、核心技术及在财经领域的应用,人工智能伦理与治理,机器学习、深度学习、自然语言处理、计算机视觉与知识图谱五大核心技术,人工智能技术开发环境与工具,生成式人工智能与大模型,智慧办公,智慧风控,智能投顾,智慧会计,智慧法务。

本书各章均给出知识目标、能力与素养目标和案例引入,并配有微视频、实践任务及解决方案、电子教案、课后习题等,方便教师教学和学生自学。

本书结构清晰、删繁就简、循序渐进、案例充实得当,既适合作为高等学校大一新生的人工智能通识教材,也可供对人工智能与财经融合感兴趣的从业人员参考使用。

  • 前辅文
  • 第1章 概述
    • 1.1 人工智能的概念
      • 1.1.1 人工智能的定义
      • 1.1.2 人工智能的分类
      • 1.1.3 人工智能的组成要素
    • 1.2 人工智能的发展历程
      • 1.2.1 起源与思想萌芽期(1940—1955年)
      • 1.2.2 形成期(1956—1966年)
      • 1.2.3 低谷与复苏期(1967—1993年)
      • 1.2.4 快速发展期(1994—2010年)
      • 1.2.5 爆发与繁荣期(2011年至今)
    • 1.3 人工智能的核心技术及应用
      • 1.3.1 人工智能的核心技术
      • 1.3.2 人工智能的应用
    • 1.4 人工智能在财经领域的应用
      • 1.4.1 智能投研与量化交易
      • 1.4.2 智能风控与合规管理
      • 1.4.3 智能客服与财富管理
      • 1.4.4 宏观经济预测与政策模拟
      • 1.4.5 财经新闻与舆情分析
      • 1.4.6 会计审计自动化
      • 1.4.7 保险科技
    • 1.5 人工智能面临的挑战与未来发展趋势
      • 1.5.1 人工智能面临的挑战
      • 1.5.2 人工智能的未来发展趋势
    • 本章小结
    • 习题
  • 第2章 人工智能伦理与治理
    • 2.1 人工智能伦理理论基础
      • 2.1.1 伦理学理论框架
      • 2.1.2 人工智能伦理五基石
      • 2.1.3 财经场景下的人工智能伦理的特殊性
    • 2.2 人工智能伦理
      • 2.2.1 数据伦理
      • 2.2.2 算法伦理
      • 2.2.3 责任归属
      • 2.2.4 系统性风险与市场伦理
    • 2.3 人工智能伦理治理
      • 2.3.1 系统全生命周期伦理治理框架
      • 2.3.2 人工智能伦理治理框架
      • 2.3.3 责任伦理的治理机制
      • 2.3.4 智能财经伦理治理
    • 本章小结
    • 习题
  • 第3章 人工智能核心技术
    • 3.1 机器学习概述
      • 3.1.1 机器学习的基础理论
      • 3.1.2 经典机器学习算法
      • 3.1.3 机器学习的简单实例
    • 3.2 深度学习概述
      • 3.2.1 深度学习的基础理论
      • 3.2.2 典型的深度学习网络
      • 3.2.3 深度学习的简单实例
    • 3.3 自然语言处理概述
      • 3.3.1 自然语言处理的基础理论
      • 3.3.2 经典自然语言处理算法
      • 3.3.3 自然语言处理的简单实例
    • 3.4 计算机视觉概述
      • 3.4.1 计算机视觉的基础理论
      • 3.4.2 典型图像处理算法
      • 3.4.3 计算机视觉的简单实例
    • 3.5 知识图谱概述
      • 3.5.1 知识图谱的基础理论
      • 3.5.2 经典知识图谱的构建
      • 3.5.3 知识图谱的简单实例
    • 本章小结
    • 习题
  • 第4章 人工智能技术开发环境与工具
    • 4.1 人工智能技术开发环境
      • 4.1.1 环境配置
      • 4.1.2 PyTorch框架
      • 4.1.3 TensorFlow框架
      • 4.1.4 其他框架
      • 4.1.5 框架选择与对比
    • 4.2 人工智能技术开发工具
      • 4.2.1 Python概述
      • 4.2.2 Python环境搭建
      • 4.2.3 Python编程基础
      • 4.2.4 Python数据分析与科学计算库
      • 4.2.5 Python数据分析与可视化库
    • 本章小结
    • 习题
  • 第5章 生成式人工智能与大模型
    • 5.1 生成式人工智能
      • 5.1.1 生成式人工智能概念
      • 5.1.2 生成任务的类型
    • 5.2 大模型技术
      • 5.2.1 大模型技术的概念与发展
      • 5.2.2 大模型技术的原理与框架
      • 5.2.3 大模型的训练与优化
      • 5.2.4 大模型发展的挑战
    • 5.3 国内外主流大模型及应用示例
      • 5.3.1 国外主流大模型
      • 5.3.2 国内主流大模型
      • 5.3.3 大模型在财经领域的应用示例
    • 5.4 智能体技术
      • 5.4.1 智能体的概念
      • 5.4.2 智能体与大模型的关系
      • 5.4.3 智能体的发展趋势
      • 5.4.4 智能体的应用示例
    • 本章小结
    • 习题
  • 第6章 智慧办公基于DeepSeek的办公自动化应用
    • 6.1 办公软件概述
      • 6.1.1 基本功能
      • 6.1.2 Microsoft Office简介
      • 6.1.3 WPS Office简介
    • 6.2 智能办公环境配置
      • 6.2.1 解锁DeepSeek办公
      • 6.2.2 WPS灵犀助手的唤醒
      • 6.2.3 生成一份简单的工作便签
    • 6.3 智能文档创作
      • 6.3.1 WPS文字基本操作
      • 6.3.2 文档辅助制作与优化
      • 6.3.3 生成一个介绍文档
    • 6.4 智能表格与数据分析
      • 6.4.1 WPS表格的基本操作
      • 6.4.2 表格制作与数据整理
      • 6.4.3 数据智能分析
      • 6.4.4 统计场景应用
    • 6.5 演示文稿的制作
      • 6.5.1 演示文稿的基本操作
      • 6.5.2 演示文稿的智能生成
      • 6.5.3 高效美化与模板适配
      • 6.5.4 生成一个产品介绍演示文稿
    • 本章小结
    • 习题
  • 第7章 智慧风控基于知识图谱的信用风险评估与预警
    • 7.1 智慧风控概述
      • 7.1.1 智慧风控的定义
      • 7.1.2 智慧风控的核心技术框架
    • 7.2 智慧风控的数据、算法与平台
      • 7.2.1 多源数据融合体系
      • 7.2.2 风险控制的核心算法
      • 7.2.3 信用风险的特征工程
      • 7.2.4 风控决策与应用
    • 7.3 基于知识图谱的信用风险智能评估与预警
      • 7.3.1 个人信用知识图谱的构建
      • 7.3.2 基于图谱的信用特征挖掘与向量表示
      • 7.3.3 融合图谱信息的信用风险预测与预警
    • 本章小结
    • 习题
  • 第8章 智能投顾基于机器学习的资产配置与财富管理
    • 8.1 智能投顾概述
      • 8.1.1 智能投顾的定义与特征
      • 8.1.2 智能投顾的发展动因与行业价值
      • 8.1.3 智能投顾的发展历程与驱动力
    • 8.2 智能投顾核心工作流程与技术实现
      • 8.2.1 客户洞察
      • 8.2.2 市场分析
      • 8.2.3 策略生成
      • 8.2.4 交易执行
    • 8.3 基于机器学习的资产配置与财富管理
      • 8.3.1 客户洞察:数据采集、特征量化与风险画像
      • 8.3.2 市场分析:状态识别、模型训练与收益预测
      • 8.3.3 策略生成:数学优化与模型投资组合构建
      • 8.3.4 交易执行:算法执行与动态再平衡
    • 8.4 智能投顾的未来发展
      • 8.4.1 技术演进:从流程自动化到认知决策
      • 8.4.2 模式变革:从独立工具到生态核心
      • 8.4.3 制度构建:从创新探索到可信生态
    • 本章小结
    • 习题
  • 第9章 智慧会计基于深度学习的发票识别与分析
    • 9.1 智慧会计
      • 9.1.1 智慧会计的发展需求
      • 9.1.2 人工智能在会计领域的应用
    • 9.2 发票识别技术基础
      • 9.2.1 发票业务知识
      • 9.2.2 发票自动化识别技术
      • 9.2.3 发票识别的核心技术流程
    • 9.3 基于深度学习的发票识别案例
      • 9.3.1 基于深度学习的识别设计
      • 9.3.2 基于YOLOv3模型的文本检测
      • 9.3.3 基于CRNN的文字识别
      • 9.3.4 基于CTC的文字对齐
    • 9.4 智慧会计的未来发展
    • 本章小结
    • 习题
  • 第10章 智慧法务基于自然语言处理的法律文本处理与分析
    • 10.1 智慧法务概述
      • 10.1.1 智慧法务的发展背景与需求
      • 10.1.2 人工智能在法务领域的应用
      • 10.1.3 智慧法务的挑战与展望
    • 10.2 法律文本处理技术基础
      • 10.2.1 法律业务知识与文本特点
      • 10.2.2 法律文本处理技术概述
      • 10.2.3 法律文本处理核心流程
    • 10.3 法律文本处理与分析实践
      • 10.3.1 数据采集与预处理
      • 10.3.2 文本分析与理解
      • 10.3.3 知识提取与构建
      • 10.3.4 应用输出
    • 10.4 智慧法务的挑战与展望
      • 10.4.1 法律伦理与技术局限性
      • 10.4.2 智慧法务的未来展望
    • 本章小结
    • 习题
  • 参考文献

相关图书


相关数字化产品