- 人工智能通识(普通高等学校人工智能通识系列教材)
- - 作者：丛润民//李锋//张伟|责编:李永泉//侯颖
  - 出版社：机械工业
  - ISBN：9787111779773
  - 出版日期：2025/06/01
  - 页数：398
- 售价：27.6

内容大纲
    本书是一本面向高等学校学生的基础性通识类教材，旨在引领学生进入人工智能这一前沿领域。
    全书内容分为“涨知识”与“开眼界”两大板块。在前五章构成的“涨知识”板块中，系统地介绍了人工智能的概念、发展历程，以及知识推理和问题求解方法，并介绍了三种典型的人工智能技术，即机器学习、深度学习和强化学习，包括其基础理论、核心思想、关键技术等，帮助学生建立对人工智能的宏观认知和体系框架。在后五章组成的“开眼界”板块中，通过对典型应用的介绍，展示了人工智能在视觉感知、具身智能、智慧医疗、智慧生活等方面的广阔应用前景，并在最后一章探讨了大模型、生成式人工智能、AI for Science等前沿技术热点，旨在开阔学生的视野。
    作为一本人门级教材，本书旨在帮助学生建立对人工智能的宏观认知体系，重在培养学生的人工智能科学素养和科技思维，适合作为理工农医、人文社科等不同专业学生的通识课程教材。
作者介绍
丛润民山东大学控制科学与工程学院教授，博士生导师，教育部青年长江学者、全球前2%顶尖科学家、山东省泰山学者青年专家。研究方向为人工智能、模式识别、机器学习、具身智能，在TPAMI、IJCV、NeurIPS、CVPR、ICML、ICCV等国际顶级期刊和会议上发表论文120余篇，ESI热点论文/高被引论文20余篇。曾获天津市科学技术进步一等奖、中国煤炭工业协会科学技术奖一等奖、中国图象图形学学会自然科学奖二等奖、IEEEChesterW.Sall纪念奖、IEEE杰出领导力奖、CVPR2025运动引导视频目标分割挑战赛冠军、ECCV2024LSVOS指代视频目标分割挑战赛冠军、IEEECVPRNTIRE双目图像超分挑战赛亚军、IEEEICME最佳学生论文奖亚军、ACMSIGWEB中国新星奖、中国图象图形学学会优秀博士学位论文奖、《信号处理》2020-2022年度优秀论文奖、中国图象图形学学会科普先进工作者等。担任IEEETNNLS等4个SCI期刊编委，山东省人工智能学会常务理事等。主讲教育部-华为智能基座课程3门，获中国人工智能学会教学成果激励计划一类成果、山东省自动化学会普通高等教育教学成果一等奖、华为“栋梁之师”称号及奖教金，指导中国图学学会优秀硕士学位论文1项、北京图象图形学学会优秀硕士学位论文1项、校优秀硕士学位论文5项、校优秀本科毕业设计（论文）2项等，在国家级/省部级科创比赛中获奖20项。
目录
前言
板块一  涨知识——人工智能基础理论
  第1章  人工智能概述
    1.1  什么是人工智能
      1.1.1  人工智能的定义与评估
      1.1.2  人工智能基础
    1.2  人工智能发展史
    1.3  大模型时代下的人工智能
      1.3.1  ChatGPT——走向通用性AI之路
      1.3.2  百花齐放的多模态大模型
    1.4  人工智能伦理与规范
    1.5  人工智能技术展望
      1.5.1  人工智能的未来发展
      1.5.2  人工智能融入寻常百姓家
    1.6  小结
    参考文献
  第2章  知识推理与问题求解
    2.1  知识表示
      2.1.1  知识表示方法
      2.1.2  逻辑关系与规则
      2.1.3  知识图谱
    2.2  知识推理
      2.2.1  概率推理
      2.2.2  因果推理
      2.2.3  知识图谱推理
    2.3  搜索求解
      2.3.1  搜索问题的定义
      2.3.2  盲目搜索
      2.3.3  启发式搜索
    2.4  博弈论
      2.4.1  博弈论的起源与发展
      2.4.2  博弈论的定义与基础
      2.4.3  经典博弈案例分析
    2.5  小结
    参考文献
  第3章  机器学习基础
    3.1  机器学习概述
    3.2  经典算法
      3.2.1  监督学习
      3.2.2  无监督学习
    3.3  模型评估与选择
      3.3.1  经验误差与过拟合
      3.3.2  评估方法
      3.3.3  性能度量
    3.4  当代机器学习概述
      3.4.1  深度学习
      3.4.2  强化学习
      3.4.3  图学习
      3.4.4  联邦学习
      3.4.5  迁移学习

    3.5  小结
    参考文献
  第4章  深度学习
    4.1  从感知机到深度神经网络
      4.1.1  感知机
      4.1.2  前馈神经网络
      4.1.3  激活函数
    4.2  深度学习中的优化与学习
      4.2.1  损失函数
      4.2.2  梯度下降算法
      4.2.3  反向传播算法
    4.3  深度学习框架
      4.3.1  Theano
      4.3.2  Caffe
      4.3.3  TensorFlow
      4.3.4  PyTorch
      4.3.5  PaddlePaddle
      4.3.6  MindSpore
    4.4  卷积神经网络
      4.4.1  卷积神经网络的核心组成
      4.4.2  卷积神经网络的架构探索
    4.5  序列到序列模型
      4.5.1  序列数据与序列任务
      4.5.2  循环神经网络的原理与结构
      4.5.3  基于门控单元的循环神经网络
    4.6  Transformer模型
      4.6.1  Transformer的核心组成
      4.6.2  Transformer的架构设计
    4.7  深度生成模型
      4.7.1  概率生成模型
      4.7.2  变分自编码器
      4.7.3  生成对抗网络
    4.8  小结
    参考文献
  第5章  强化学习
    5.1  强化学习基础
      5.1.1  强化学习的发展历史
      5.1.2  强化学习的基本概念
      5.1.3  马尔可夫决策过程
      5.1.4  贝尔曼方程
    5.2  经典强化学习方法
      5.2.1  基于价值函数的方法
      5.2.2  基于策略的方法
    5.3  深度强化学习
    5.4  强化学习的应用
      5.4.1  智能机器人与强化学习
      5.4.2  自动驾驶与强化学习
      5.4.3  金融服务与强化学习
      5.4.4  游戏AI与强化学习
    5.5  小结

    参考文献
板块二  开眼界——人工智能应用实践
  第6章  智能之眼——视觉感知
    6.1  计算机视觉及其发展史
    6.2  图像增强
      6.2.1  图像增强概述
      6.2.2  典型图像增强任务
    6.3  图像分类
      6.3.1  图像分类概述
      6.3.2  细粒度图像分类
    6.4  目标检测
      6.4.1  目标检测概述
      6.4.2  经典目标检测方法
    6.5  图像分割
      6.5.1  图像分割概述
      6.5.2  经典语义分割模型
    6.6  三维视觉
      6.6.1  三维视觉概述
      6.6.2  典型三维视觉任务
    6.7  小结
    参考文献
  第7章  智能之躯——具身智能
    7.1  具身智能概述
      7.1.1  具身智能的基本概念
      7.1.2  具身智能的核心要素
      7.1.3  具身智能与传统人工智能
      7.1.4  具身智能的意义与价值
    7.2  具身智能的核心技术
      7.2.1  具身智能的系统框架
      7.2.2  具身智能的典型实现路径
      7.2.3  仿真到真实的迁移
    7.3  具身智能的典型应用
      7.3.1  智能机器人操作任务
      7.3.2  服务机器人导航任务
    7.4  具身智能的发展前沿与展望
      7.4.1  具身智能大模型
      7.4.2  具身智能的未来挑战
    7.5  小结
    参考文献
  第8章  AI卫士——智慧医疗
    8.1  智慧医疗概述
      8.1.1  智慧医疗的概念
      8.1.2  智慧医疗数据
      8.1.3  智慧医疗关键技术
    8.2  智慧医疗的应用
      8.2.1  临床诊断与治疗
      8.2.2  远程医疗与在线问诊
      8.2.3  药物研发与个性化医疗
      8.2.4  中医药应用
    8.3  智慧医疗面临的挑战与前景

      8.3.1  智慧医疗面临的挑战
      8.3.2  智慧医疗的发展前景
    8.4  小结
    参考文献
  第9章  AI助手——智慧生活
    9.1  智慧生活概述与人工智能实现
      9.1.1  智慧生活概览
      9.1.2  人工智能在日常生活中的角色
    9.2  智“衣”新尚——智能穿戴与AI时尚助手
      9.2.1  核心技术与框架——以智能穿戴为例
      9.2.2  应用案例介绍——AI时尚助手
    9.3  “食”悦智融——智慧农业与食品安全
      9.3.1  核心技术与框架——以智慧农业为例
      9.3.2  应用案例介绍——食品安全监管与溯源
    9.4  乐享智“住”——智能家居与智慧社区
      9.4.1  核心技术与框架——以智能家居为例
      9.4.2  应用案例介绍——智慧社区
    9.5  智“行”天下——交通大数据与自动驾驶
      9.5.1  核心技术与框架——以智能交通规划为例
      9.5.2  应用案例介绍——自动驾驶系统
    9.6  小结
    参考文献
  第10章  人工智能前沿
    10.1  大模型的兴起与演进
      10.1.1  大模型的基本概念与发展历程
      10.1.2  大模型的优势与挑战
      10.1.3  大模型的训练与优化
      10.1.4  多模态大模型
    10.2  生成式人工智能
      10.2.1  扩散模型
      10.2.2  生成式设计与艺术创作
      10.2.3  大模型技术治理与社会影响
    10.3  AI for Science
      10.3.1  人工智能在科学中的定义与背景
      10.3.2  人工智能与自然科学
      10.3.3  人工智能与人文社会科学
    10.4  小结
    参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目