- 人工智能通识教程(人工智能通识类普通高等教育人工智能专业系列教材)
- - 作者：编者:李正军|责编:李馨馨//汤枫
  - 出版社：机械工业
  - ISBN：9787111792338
  - 出版日期：2025/10/01
  - 页数：239
- 售价：23.6

内容大纲
    本书为读者提供了全面且深入的人工智能（AI）知识，涵盖其基本概念、发展历程、技术架构及应用领域。书中系统地介绍了人工智能与机器学习的定义、大模型的应用、人工智能生成内容（AIGC）以及具身智能等前沿话题，帮助读者理解AI在生活和工作中的广泛应用。
    本书采用通俗易懂的语言，结合丰富的案例分析和实践环节，旨在提升读者的批判思维与解决问题的能力。每章配有课后习题和案例研究，鼓励读者在实践中掌握AI技能，增强在实际工作环境中应用这些技能的信心。
    全书分为8章，从绪论到机器学习、大模型，到ChatGPT、文心一言、DeepSeek、AIGC的技术应用，再到具身智能与机器人系统，内容安排合理，便于逐步深入理解。
    本书可作为高等院校人工智能、自动化、机器人、机电一体化、电子与电气工程、物联网等相关专业的本、专科学生的教材和参考书，也可供从事人工智能技术开发的工程技术人员参考。
作者介绍
目录
第1章  绪论
  1.1  人工智能概述
    1.1.1  关于智能
    1.1.2  人工智能的定义
    1.1.3  人工智能的分类
  1.2  人工智能的起源和图灵测试
    1.2.1  人工智能的起源
    1.2.2  图灵测试
  1.3  人工智能的发展历程
  1.4  人工智能的应用领域
  1.5  人工智能相关技术
    1.5.1  人工智能四要素
    1.5.2  人工智能技术架构
  1.6  人工智能伦理
  课后习题
第2章  机器学习
  2.1  机器学习概述
    2.1.1  机器学习的发展历程
    2.1.2  机器学习的定义
    2.1.3  机器学习的研究内容
  2.2  机器学习的分类
    2.2.1  监督学习
    2.2.2  无监督学习
    2.2.3  强化学习
    2.2.4  机器学习的其他分类
  2.3  机器学习的基本结构
    2.3.1  环境
    2.3.2  知识库
    2.3.3  执行部分
  2.4  机器学习算法
    2.4.1  机器学习算法的特征与要素及评定
    2.4.2  回归分析
    2.4.3  基于实例的算法
    2.4.4  决策树算法
    2.4.5  朴素贝叶斯算法
    2.4.6  聚类算法
    2.4.7  支持向量机算法
    2.4.8  人工神经网络
    2.4.9  Boosting与Bagging算法
    2.4.10  关联规则算法
  2.5  机器学习的应用
    2.5.1  数据分析与挖掘
    2.5.2  模式识别
    2.5.3  生物信息学
    2.5.4  物联网
    2.5.5  聊天机器人
    2.5.6  无人驾驶汽车
  课后习题
第3章  大模型
  3.1  大模型概述

  3.2  大模型核心内容
    3.2.1  生成原理
    3.2.2  关键技术
    3.2.3  关键术语
  3.3  大模型分类
    3.3.1  按模型结构划分
    3.3.2  按模态划分
    3.3.3  按微调方式划分
    3.3.4  集成插件系统的大模型
  3.4  大模型的开发流程
    3.4.1  确定项目目标
    3.4.2  数据准备
    3.4.3  模型设计
    3.4.4  模型训练
    3.4.5  模型部署
    3.4.6  开源资源和开发者支持
    3.4.7  评估和反馈
    3.4.8  模型应用
  3.5  大模型的应用场景
  3.6  Seq2Seq
    3.6.1  分词器
    3.6.2  编码器-解码器结构
    3.6.3  注意力机制
  3.7  Transformer
    3.7.1  位置编码
    3.7.2  整体结构
    3.7.3  稀疏Transformer
  3.8  模型微调
    3.8.1  监督微调
    3.8.2  PEFT技术
  3.9  未来发展方向
    3.9.1  AI智能体
    3.9.2  具身智能
  课后习题
第4章  ChatGPT与应用
  4.1  ChatGPT概述
    4.1.1  ChatGPT技术
    4.1.2  ChatGPT的发展历程
    4.1.3  ChatGPT的工作流程
    4.1.4  ChatGPT的优势
  4.2  ChatGPT工作原理及算法细节
    4.2.1  ChatGPT的相关背景知识
    4.2.2  ChatGPT的工作原理
    4.2.3  算法细节
  4.3  ChatGPT的交互性应用
    4.3.1  教育领域
    4.3.2  商业领域
    4.3.3  生活领域
    4.3.4  个性化的交互体验
    4.3.5  其他领域

  4.4  ChatGPT高效交互的关键——提示词
    4.4.1  提示词
    4.4.2  ChatGPT生成回答的基本原则
    4.4.3  ChatGPT高效交流技巧
  4.5  ChatGPT辅助编程
    4.5.1  编程
    4.5.2  基本用法和进阶用法
  4.6  Windows 10系统下访问ChatGPT
    4.6.1  准备工作
    4.6.2  打开Microsoft Edge浏览器
    4.6.3  添加Microsoft Edge扩展
    4.6.4  登录账户
    4.6.5  使用ChatGPT
  课后习题
第5章  文心一言与应用
  5.1  文心一言概述
    5.1.1  诞生背景：技术积累与市场需求共振
    5.1.2  核心功能：全栈式语言服务能力
    5.1.3  技术架构：知识增强与多模态交互
    5.1.4  应用场景：从个人助手到行业赋能
    5.1.5  竞争优势：与ChatGPT的对比与互补
    5.1.6  未来展望：持续进化与生态拓展
    5.1.7  社会价值：重塑内容生产与工作方式
    5.1.8  用户评价：优势与改进空间
  5.2  项目类、技术类方案
    5.2.1  项目类、技术类方案与提示词
    5.2.2  项目类、技术类方案与提问句式
    5.2.3  项目类方案辅助写作示范
    5.2.4  技术类方案辅助写作示范
  5.3  文心一言在诗词和碑帖补齐中的应用
    5.3.1  《三晟堂札记》诗词补齐
    5.3.2  《刘熊碑》拓片补齐
  5.4  文心一言在诗词赏析与插图绘制中的应用
    5.4.1  诗词赏析与插图绘制之一
    5.4.2  诗词赏析与插图绘制之二
  课后习题
第6章  DeepSeek与应用
  6.1  DeepSeek概述
    6.1.1  DeepSeek的产生背景
    6.1.2  DeepSeek采用的大模型
    6.1.3  DeepSeek的功能
    6.1.4  DeepSeek的特点
    6.1.5  DeepSeek的市场影响与竞争优势
    6.1.6  DeepSeek的应用场景
    6.1.7  DeepSeek开源策略的影响
    6.1.8  联网搜索
    6.1.9  文档处理
    6.1.10  DeepSeek模型中的微调策略
    6.1.11  与其他顶级AI模型的区别
    6.1.12  DeepSeek的未来发展

  6.2  DeepSeek使用与提示词技巧
    6.2.1  DeepSeek的产品形态
    6.2.2  DeepSeek功能详解
    6.2.3  DeepSeek的对话技巧
    6.2.4  DeepSeek的提示词技巧
  6.3  PPT大纲自动生成
  6.4  多语言实时翻译
  6.5  论文润色
  6.6  外语学习
  6.7  嵌入式系统应用编程实例
  课后习题
第7章  AIGC与应用
  7.1  生成式人工智能（GAI）
    7.1.1  GAI概述
    7.1.2  GAI与AIGC的关系
  7.2  AIGC内容孪生、编辑与理解
    7.2.1  内容孪生
    7.2.2  内容编辑和生成
    7.2.3  内容理解
  7.3  AIGC发展历程
  7.4  AIGC生成技术
    7.4.1  语言生成方面的技术
    7.4.2  视觉生成方面的技术
    7.4.3  多模态生成方面的技术
  7.5  生成模型与判别模型
    7.5.1  生成模型
    7.5.2  判别模型
  7.6  生成模型的原理
    7.6.1  生成模型的框架
    7.6.2  生成模型的概率表示
    7.6.3  生成模型的目标函数
    7.6.4  生成模型的挑战及解决方法
  7.7  表示学习
    7.7.1  表示学习的直观理解
    7.7.2  表示学习的常用方式
    7.7.3  表示学习与特征工程的区别
    7.7.4  图像的表示学习
    7.7.5  文本的表示学习
    7.7.6  多模态的表示学习
    7.7.7  表示学习的融合技术
    7.7.8  如何衡量表示学习的优劣
  7.8  表示学习的逆过程
  7.9  AIGC的应用场景
  7.10  AIGC应用实例
    7.10.1  天源迪科AIGC智能内容创作与数字人企业内训平台介绍
    7.10.2  PPT课件和视频课件制作实例
  课后习题
第8章  具身智能与机器人系统
  8.1  什么是具身智能
  8.2  具身智能和具身人工智能

    8.2.1  具身智能和具身人工智能的发展历程
    8.2.2  具身智能和具身人工智能的相同点和不同点
  8.3  具身智能的传统技术
    8.3.1  基于行为的人工智能
    8.3.2  受神经生物学启发的人工智能
    8.3.3  认知发展机器人学
    8.3.4  进化机器人学
    8.3.5  物理体现与互动
  8.4  基于大模型的具身智能技术
    8.4.1  赋能具身智能机器人的基础大模型分类
    8.4.2  具身智能机器人设计自动化
  8.5  具身智能的典型任务
  8.6  具身智能的体系结构
  8.7  具身智能的优点、缺点与难点
  8.8  具身智能与机器人智能的关系
  8.9  具身智能机器人
    8.9.1  从自动驾驶到具身智能
    8.9.2  具身智能计算系统
  8.10  具身智能机器人大模型
    8.10.1  大模型驱动的机器人革命
    8.10.2  面向机器人技术的ChatGPT
    8.10.3  Robotic Transformer多模态大模型的应用
  8.11  具身智能机器人的应用
    8.11.1  具身智能机器人在医疗领域的应用
    8.11.2  具身智能机器人在工业生产中的应用
    8.11.3  具身智能机器人在家庭环境中的应用
  8.12  人形机器人
    8.12.1  人形机器人的概念和分类
    8.12.2  宇树科技Unitree G1机器人
  课后习题
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