- 人工智能导论(文科版高等院校信息类新专业规划教材)/人工智能专业教材丛书
- - 作者：编者:郭军//张闯//乔媛媛|责编:姚顺//廖国军|总主编:郭军
  - 出版社：北京邮电大学
  - ISBN：9787563574070
  - 出版日期：2025/01/01
  - 页数：202
- 售价：15.52

内容大纲
《人工智能导论》（文科版）是针对文科类专业教学需求专门编写的教材。在理工版，即《人工智能导论》（第2版）的基础上，《人工智能导论》（文科版）本着通俗性、趣味性、前沿性和系统性的原则，内容更通俗易懂。本书是北京市属公办本科高校人工智能通识课以及北京邮电大学文科专业人工智能导论课程的配套教材，主要内容包括：认识人工智能、人工智能的社会角色、人工智能与认知科学、自然语言处理、计算机视觉、智能音频信息处理、人工智能前沿领域、机器学习与深度学习、人工智能开发框架与平台。希望本书能作为广大文科类学生学习人工智能基础知识的教材，也能成为普通读者喜爱的人工智能科普读物。
作者介绍
目录
第1章  认识人工智能
  1.1  何谓人工智能？
  1.2  人工智能发展简史
  1.3  人工智能的内在逻辑及知识体系
  1.4  人工智能的数学基础
    1.4.1  人工智能的数学本质
    1.4.2  常用的基元函数及其功能
    1.4.3  参数学习方式
    1.4.4  深度学习架构
  本章小结
  思考题
第2章  人工智能的社会角色
  2.1  人工智能的基本属性
  2.2  面临的威胁和挑战
    2.2.1  根本背离其角色的风险
    2.2.2  安全威胁
    2.2.3  伦理挑战
  2.3  治理体系、防范方法和管理措施
    2.3.1  法律治理体系
    2.3.2  技术防范方法
    2.3.3  行政管理措施
  本章小结
  思考题
第3章  人工智能与认知科学
  3.1  何谓认知
    3.1.1  语言
    3.1.2  记忆
    3.1.3  注意力
    3.1.4  情感
    3.1.5  推理
    3.1.6  感知
  3.2  何谓认知科学
  3.3  认知科学的研究方法
  3.4  人工智能和认知科学的历史渊源
  3.5  人工智能和认知科学的联系
  3.6  人工智能和认知科学相互促进
    3.6.1  认知科学促进人工智能
    3.6.2  人工智能促进认知科学
  3.7  展望
  本章小结
  思考题
第4章  自然语言处理
  4.1  发展历史
  4.2  自然语言的机器表示
    4.2.1  文本语义表示
    4.2.2  相似度度量
  4.3  经典自然语言处理任务
    4.3.1  文本摘要
    4.3.2  机器翻译
    4.3.3  知识图谱

  4.4  大语言模型
    4.4.1  大语言模型的基本概念
    4.4.2  大语言模型发展历程
    4.4.3  大语言模型的关键技术
    4.4.4  代表性大语言模型
    4.4.5  以Kimi为例的大语言模型应用
  本章小结
  思考题
第5章  计算机视觉
  5.1  计算机视觉的发展历史
  5.2  图像表示与特征提取
    5.2.1  图像表示
    5.2.2  图像特征提取
  5.3  计算机视觉的基本任务
    5.3.1  图像分类
    5.3.2  图像分割
    5.3.3  目标检测
    5.3.4  目标跟踪
    5.3.5  图像重建
  5.4  人脸识别与生成
    5.4.1  人脸检测与特征点定位
    5.4.2  特征表达与学习
    5.4.3  属性识别与身份识别
    5.4.4  人脸编辑与生成
  5.5  视觉大模型
    5.5.1  Transformer在计算机视觉中的应用
    5.5.2  视觉大模型的发展
    5.5.3  多模态大模型
  本章小结
  思考题
第6章  智能音频信息处理
  6.1  智能音频信息处理概述
  6.2  音频信息识别
    6.2.1  语音识别
    6.2.2  说话人识别
    6.2.3  语音情感识别
    6.2.4  音频事件识别
  6.3  音频信息生成
    6.3.1  语音合成
    6.3.2  语音转换
    6.3.3  歌声合成与转换
    6.3.4  AI作曲创作
  6.4  智能人机语音交互
    6.4.1  智能人机语音交互一般框架
    6.4.2  大模型技术下的智能人机语音交互
  本章小结
  思考题
第7章  人工智能前沿领域
  7.1  多模态融合与应用
    7.1.1  多模态人工智能概述

    7.1.2  多模态人工智能的核心技术
    7.1.3  多模态人工智能代理系统
  7.2  数字人技术及其应用
    7.2.1  什么是数字人
    7.2.2  数字人的应用场景
    7.2.3  数字人的技术原理
    7.2.4  数字人的未来与挑战
  7.3  AI for Science
    7.3.1  什么是科学
    7.3.2  科学研究的传统范式
    7.3.3  科学研究的新范式
    7.3.4  AI for Science加速科学研究
    7.3.5  AI for Science专家观点及产业布局
  本章小结
  思考题
第8章  机器学习与深度学习
  8.1  机器学习基本概念
    8.1.1  人工智能与机器学习
    8.1.2  机器学习的三大支柱
    8.1.3  机器学习方法的三要素
    8.1.4  机器学习的推理方式
  8.2  机器学习经典模型
    8.2.1  分类
    8.2.2  回归
    8.2.3  聚类
    8.2.4  降维
  8.3  深度学习
    8.3.1  单层感知机
    8.3.2  多层感知机
    8.3.3  卷积神经网络模型
    8.3.4  序列模型
  本章小结
  思考题
第9章  人工智能开发框架与平台
  9.1  人工智能开发平台
  9.2  人工智能基础开源软件库
    9.2.1  基本概念和特点
    9.2.2  SciKit-Learn基本介绍
  9.3  人工智能基础开源框架
    9.3.1  基本概念与功能
    9.3.2  百度深度学习开源框架——飞桨
    9.3.3  其他常见深度学习开源框架
  9.4  人工智能基础开发平台
    9.4.1  基本概念和功能
    9.4.2  常见人工智能基础开发平台
  本章小结
  思考题

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目