- 人工智能导论与实践(微课视频版AI时代高等学校通识教育系列教材)
- - 作者：编者:何东彬|责编:葛鹏程//薛阳
  - 出版社：清华大学
  - ISBN：9787302697770
  - 出版日期：2025/08/01
  - 页数：237
- 售价：19.92

内容大纲
    本书全面介绍人工智能的基本原理，以及相关研究领域的核心内容、最新进展与发展方向。本书深入讲解人工智能的核心技术，并以5个经典学习案例贯穿全书，涵盖计算机视觉和自然语言处理两大重要应用领域。
    全书共6章，主要内容包括人工智能、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人。本书特别强调实践性，每个案例都结合实际应用，有助于读者掌握经典神经网络结构并进入人工智能领域从事相关工作。
    本书可作为高等院校计算机类、软件工程、人工智能等相关专业的“人工智能”课程的教材，也可作为感兴趣读者的自学读物，还可作为相关行业技术人员的参考用书。
作者介绍
目录
第1章  人工智能
  1.1  人工智能概述
    1.1.1  人工智能的定义
    1.1.2  人工智能的历史
  1.2  人工智能的研究内容
    1.2.1  认知建模
    1.2.2  知识表示
    1.2.3  自动推理
    1.2.4  机器感知
    1.2.5  机器思维
  1.3  人工智能技术分类
    1.3.1  机器学习
    1.3.2  深度学习
    1.3.3  自然语言处理
    1.3.4  计算机视觉
    1.3.5  专家系统
    1.3.6  智能机器人
  1.4  人工智能应用
    1.4.1  智慧医疗
    1.4.2  智能金融
    1.4.3  智能制造
    1.4.4  自动驾驶
    1.4.5  智能家居
第2章  机器学习
  2.1  机器学习概述
  2.2  机器学习方法
    2.2.1  有监督学习
    2.2.2  无监督学习
    2.2.3  迁移学习
    2.2.4  强化学习
  2.3  分类与回归
    2.3.1  分类模型
    2.3.2  回归模型
  2.4  机器学习库
    2.4.1  TensorFlow
    2.4.2  Keras
    2.4.3  PyTorch
    2.4.4  Scikit-learn
    2.4.5  NumPy
    2.4.6  Pandas
    2.4.7  Matplotlib
  2.5  项目实践
    2.5.1  环境安装
    2.5.2  PyTorch基础
第3章  深度学习
  3.1  神经网络
    3.1.1  神经网络简介
    3.1.2  神经网络发展史
    3.1.3  神经网络模型
  3.2  学习案例1：房价预测

    3.2.1  线性回归模型
    3.2.2  模型参数确定
    3.2.3  模型评估方法
    3.2.4  梯度下降算法
    3.2.5  PyTorch中的梯度下降
    3.2.6  模型训练中的优化问题
    3.2.7  神经网络类
  3.3  学习案例2：乳腺癌预测
    3.3.1  数据处理
    3.3.2  神经网络类定义
    3.3.3  模型训练与预测
第4章  计算机视觉
  4.1  计算机视觉概述
    4.1.1  计算机视觉简介
    4.1.2  计算机视觉发展史
    4.1.3  计算机视觉应用与挑战
  4.2  学习案例3：手写数字识别
    4.2.1  计算机图像的表示
    4.2.2  数据处理
    4.2.3  二分类与多分类
    4.2.4  多层神经网络
  4.3  学习案例4：CIFAR-10图像分类
    4.3.1  CIFAR-10简介
    4.3.2  卷积神经网络
    4.3.3  卷积层
    4.3.4  池化层
    4.3.5  多层处理
    4.3.6  全连接层
    4.3.7  构建CIFAR-10分类网络
第5章  自然语言处理
  5.1  自然语言处理概述
    5.1.1  自然语言处理简介
    5.1.2  自然语言处理发展史
    5.1.3  自然语言处理应用与挑战
  5.2  文本预处理
    5.2.1  分词
    5.2.2  停用词
    5.2.3  词的文本表示
  5.3  语言模型
    5.3.1  语言模型的定义和应用
    5.3.2  统计语言模型
    5.3.3  神经网络语言模型
  5.4  学习案例5：情感分析
    5.4.1  获取IMDB影评数据集
    5.4.2  数据预处理
    5.4.3  字典编码
    5.4.4  数据分批
    5.4.5  情感分析神经网络类
    5.4.6  训练与测试
第6章  智能机器人

  6.1  大语言模型
    6.1.1  大语言模型简介
    6.1.2  大语言模型发展史
    6.1.3  应用、趋势与发展
  6.2  智能机器人概述
    6.2.1  机器人简介
    6.2.2  认识智能机器人
    6.2.3  智能机器人的发展现状
    6.2.4  智能机器人的前景
  6.3  智能机器人的核心技术
    6.3.1  感知技术
    6.3.2  路径规划
    6.3.3  定位导航
    6.3.4  人机交互
    6.3.5  自主学习
  6.4  智能机器人的应用
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