- 人工智能基础与应用(微课版)/数智人才培养AI通识精品系列
- - 作者：编者:周元峰//郝兴伟|责编:张雪野
  - 出版社：人民邮电
  - ISBN：9787115676573
  - 出版日期：2025/09/01
  - 页数：207
- 售价：19.92

内容大纲
本书紧紧围绕高校通识教育的核心理念，系统构建人工智能核心知识体系，内容涵盖基础理论、关键技术及前沿应用，旨在培养读者的人工智能素养。全书共7章，内容包括人工智能概述、机器学习基础、自然语言处理、语音信号处理技术、计算机视觉、智能机器人与具身智能、AIGC应用实践。本书可以帮助读者充分了解人工智能技术，并在学习、工作与科研中充分利用人工智能技术提高工作效率，提升信息技术应用能力，增强个人核心竞争力。
本书可作为高校人工智能通识类课程教材，也可供对人工智能感兴趣的读者自学使用。
作者介绍
目录
第1章  人工智能概述
  1.1  什么是人工智能
    1.1.1  生命与智能
    1.1.2  人工智能的内涵
  1.2  人工智能的基础
    1.2.1  哲学与人工智能
    1.2.2  数学与人工智能
    1.2.3  神经科学与人工智能
    1.2.4  计算机科学与人工智能
    1.2.5  其他学科与人工智能
  1.3  人工智能的产生与发展
    1.3.1  初创阶段
    1.3.2  形成阶段
    1.3.3  发展阶段
    1.3.4  探索阶段
    1.3.5  大数据驱动阶段
    1.3.6  智能阶段
  1.4  人工智能的分类
    1.4.1  按智能程度分类
    1.4.2  按能力分类
    1.4.3  按实现方式分类
    1.4.4  按研究内容分类
  1.5  人工智能的应用
    1.5.1  智能制造
    1.5.2  智能医疗
    1.5.3  智能交通
    1.5.4  智能安防
    1.5.5  智能生活
    1.5.6  智能教育
  1.6  人工智能基础设施
    1.6.1  数据
    1.6.2  算法
    1.6.3  算力
  1.7  人工智能的挑战和发展趋势
    1.7.1  奇点
    1.7.2  人工智能的挑战
    1.7.3  人工智能的发展趋势
  1.8  人工智能伦理
    1.8.1  人工智能伦理基础
    1.8.2  人工智能伦理的发展历程
    1.8.3  人工智能伦理的主要问题
    1.8.4  人工智能伦理的治理措施
  习题一
第2章  机器学习基础
  2.1  什么是机器学习
    2.1.1  机器学习的涵义
    2.1.2  机器学习基本概念
    2.1.3  数据理解
    2.1.4  机器学习的类型和应用
  2.2  监督学习

    2.2.1  线性模型
    2.2.2  非参数模型
    2.2.3  决策树
    2.2.4  贝叶斯方法
    2.2.5  集成学习
  2.3  无监督学习
    2.3.1  降维
    2.3.2  聚类
  2.4  深度学习
    2.4.1  深度学习概述
    2.4.2  深度学习开发框架
  2.5  强化学习
  2.6  迁移学习
  习题二
第3章  自然语言处理
  3.1  什么是自然语言处理
    3.1.1  自然语言处理的基本概念
    3.1.2  自然语言处理的基本范式
  3.2  词法分析
    3.2.1  词形分析
    3.2.2  词语切分
    3.2.3  中文词语切分语料库
  3.3  句法分析
    3.3.1  短语结构句法分析
    3.3.2  依存结构句法分析
    3.3.3  句法分析语料库
  3.4  语义分析
    3.4.1  语义的形式化表达
    3.4.2  词义消歧
    3.4.3  语义角色标注
    3.4.4  基于图表征的语义分析
  3.5  自然语言处理应用
    3.5.1  机器翻译
    3.5.2  文本生成
    3.5.3  问答系统
    3.5.4  信息抽取
    3.5.5  文本分类
  3.6  大语言模型
    3.6.1  大语言模型概述
    3.6.2  大语言模型架构
    3.6.3  大语言模型并行训练
    3.6.4  大语言模型微调
  习题三
第4章  语音信号处理技术
  4.1  语音信号基础
    4.1.1  语音发音系统
    4.1.2  语音听觉感知系统
    4.1.3  人耳听觉特性
    4.1.4  语音的基本概念和参数
  4.2  语音信号分析

    4.2.1  语音信号数字化和预处理
    4.2.2  时域分析
    4.2.3  频域分析
    4.2.4  倒谱分析和Mel频率倒谱系数
  4.3  语音识别
    4.3.1  动态时间规整的孤立词识别
    4.3.2  基于隐马尔科夫模型的孤立词识别
    4.3.3  连续语音识别
    4.3.4  基于深度学习的语音识别
  4.4  基于语音识别的智能家居系统
    4.4.1  系统整体结构
    4.4.2  系统功能设计
  4.5  说话人识别
    4.5.1  说话人识别方法和系统整体结构
    4.5.2  预处理和特征选取
    4.5.3  模式匹配方法
    4.5.4  说话人识别系统实例——基于DTW的说话人确认系统
  习题四
第5章  计算机视觉
  5.1  计算机视觉概述
    5.1.1  计算机视觉发展史
    5.1.2  计算机视觉中的基本概念
  5.2  图像分析
    5.2.1  图像分析简介
    5.2.2  图像分析算法
    5.2.3  图像分析应用领域
    5.2.4  未来发展趋势与挑战
  5.3  图像生成
    5.3.1  图像生成简介
    5.3.2  图像生成算法
    5.3.3  图像生成应用领域
    5.3.4  未来发展趋势与挑战
  5.4  目标检测
    5.4.1  目标检测简介
    5.4.2  目标检测算法
    5.4.3  目标检测应用领域
    5.4.4  未来发展趋势与挑战
  5.5  三维点云处理
    5.5.1  点云简介
    5.5.2  点云处理算法
    5.5.3  点云处理应用领域
    5.5.4  未来发展趋势与挑战
  习题五
第6章  智能机器人与具身智能
  6.1  智能机器人基础
    6.1.1  行为主义载体——机器人
    6.1.2  机器人的起源与发展
    6.1.3  机器人的基本组成
    6.1.4  机器人的分类
  6.2  智能工业机器人

    6.2.1  工业机器人的发展
    6.2.2  工业机器人的定义与类型
    6.2.3  工业机器人的应用
  6.3  智能服务机器人
    6.3.1  服务机器人的发展
    6.3.2  服务机器人的定义与类型
    6.3.3  服务机器人的应用
  6.4  机器人领域部分关键技术及术语
    6.4.1  感知与导航
    6.4.2  软件与算法
  6.5  具身智能
    6.5.1  具身智能与离身智能
    6.5.2  具身智能的核心要素
    6.5.3  通用型具身智能机器人和传统智能机器人
    6.5.4  具身智能的典型应用
  习题六
第7章  AIGC应用实践
  7.1  AIGC概述
    7.1.1  AIGC的定义
    7.1.2  AIGC的发展历程
    7.1.3  多模态大模型
  7.2  文本创作
  7.3  多媒体创作
    7.3.1  图像生成
    7.3.2  视频生成
    7.3.3  音乐生成
  习题七

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目