- 人工智能通识教程(农林院校版普通高等学校人工智能通识系列教材)
- - 作者：编者:黄栋//张红雨//舒磊|责编:李永泉//姚蕾
  - 出版社：机械工业
  - ISBN：9787111791270
  - 出版日期：2025/08/01
  - 页数：183
- 售价：27.6

内容大纲
    本书从农林院校的特色视角出发，系统介绍了人工智能的基础技术及其应用，旨在帮助读者建立清晰的“人工智能＋农业”的知识框架，并掌握相关技术的基本原理与实践方法。全书共8章，遵循“基础→技术应用→前沿展望”的逻辑架构编排，循序渐进地引导读者深入理解人工智能的发展趋势、关键技术及智慧农业的应用案例。
    第1章从人工智能与农业的演进历程切入，介绍相关概念、核心特征及关键技术体系，探讨人工智能如何赋能农业现代化。第2章讲解机器学习的基础知识，为后续人工智能技术的学习奠定理论基础。第3～7章详细介绍人工智能的若干关键技术及其应用，包括计算机视觉、大数据分析、物联网、区块链、生物信息学等，不仅阐述了基础原理，还结合典型案例，展示它们在农业生产与管理各环节的应用实践。第8章展望大模型时代的智慧农业，分析人工智能大模型的发展趋势及其对农业智能化的深远影响。
    本书适用于高等院校农林类、理工类及其他专业有志于学习人工智能和智慧农业关键技术的本科生、研究生，可作为农林院校人工智能通识课程的教材，并提供PPT等课程配套资源。
作者介绍
目录
前言
基础篇
  第1章  绪论
    1.1  从原始农业到现代农业
    1.2  人工智能与农业的发展与交汇
      1.2.1  人工智能的发展历程
      1.2.2  智慧农业的概念源起与变迁
    1.3  特色领域人工智能通识：讲什么，怎样讲
    1.4  本书的主要内容
  第2章  机器学习基础
    2.1  机器学习的基本概念
    2.2  机器学习的三要素
      2.2.1  模型
      2.2.2  学习准则
      2.2.3  优化算法
    2.3  机器学习的常见模型
      2.3.1  分类模型概览
      2.3.2  聚类模型概览
      2.3.3  回归模型概览
    2.4  从机器学习到深度学习
      2.4.1  为何走向深度
      2.4.2  常见的深度学习模型
      2.4.3  常见的深度学习框架
    2.5  前沿方向速览
      2.5.1  集成学习
      2.5.2  强化学习
      2.5.3  多模态学习
      2.5.4  迁移学习与大模型微调
技术应用篇
  第3章  计算机视觉：天光云影
    3.1  基本概念
      3.1.1  计算机视觉的定义
      3.1.2  计算机视觉的农业应用
    3.2  关键技术
      3.2.1  图像分类
      3.2.2  目标检测
      3.2.3  目标跟踪
      3.2.4  实例分割
      3.2.5  新兴研究方向
    3.3  农业应用
      3.3.1  应用概述
      3.3.2  应用案例分析
  第4章  大数据分析：吹沙到金
    4.1  基本概念
    4.2  关键技术
      4.2.1  数据预处理
      4.2.2  数据分类
      4.2.3  数据聚类
      4.2.4  预测分析
      4.2.5  知识图谱

      4.2.6  数据可视化
    4.3  农业应用
      4.3.1  应用概述
      4.3.2  应用案例分析
  第5章  物联网：万物互联
    5.1  基本概念
      5.1.1  物联网的起源
      5.1.2  农业物联网的发展
      5.1.3  农业物联网的定义
      5.1.4  农业物联网的结构
    5.2  关键技术
      5.2.1  物联网信息感知
      5.2.2  物联网信息传输
      5.2.3  物联网网络中间件
    5.3  农业应用
      5.3.1  应用概述
      5.3.2  应用案例分析
  第6章  区块链：云中锦书
    6.1  基本概念
      6.1.1  区块链的起源
      6.1.2  区块链的定义
      6.1.3  区块链的发展
    6.2  关键技术
      6.2.1  技术特性
      6.2.2  部署分类
      6.2.3  区块链的技术架构
      6.2.4  密码学基础
      6.2.5  分布式网络
      6.2.6  共识机制
      6.2.7  智能合约
    6.3  农业应用
      6.3.1  应用概述
      6.3.2  应用案例分析
  第7章  生物信息学：见微知著
    7.1  基本概念
    7.2  农业组学
      7.2.1  农业基因组学
      7.2.2  农业表型组学
      7.2.3  农业组学发展趋势
    7.3  农业生物数据库
      7.3.1  水稻数据库
      7.3.2  油菜数据库
      7.3.3  棉花数据库
      7.3.4  其他作物数据库
      7.3.5  动物数据库
    7.4  农业知识工程
      7.4.1  农业知识工程的基本概念
      7.4.2  农业知识工程的基本内容
    7.5  农业生物信息学展望
    7.6  农业应用

      7.6.1  应用概述
      7.6.2  应用案例分析
前沿展望篇
  第8章  大模型时代的智慧农业
    8.1  大模型的发展历程
      8.1.1  深度神经网络的复兴
      8.1.2  大模型时代的开启：从Transformer到ChatGPT
      8.1.3  多模态大模型的兴起
      8.1.4  国产大模型的崛起
    8.2  深度求索的求索之路
      8.2.1  从DeepSeek Coder到DeepSeek-R1
      8.2.2  技术特点与开源战略
    8.3  “大材”（大模型）与“小用”（为我所用）
      8.3.1  大模型使用方式的权衡
      8.3.2  大模型幻觉问题及应对措施
    8.4  大模型时代，智慧农业何去何从
      8.4.1  技术赋能
      8.4.2  未来方向

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目