- 人工智能与现代科技(普通高等学校人工智能通识系列教材)
- - 作者：杨新//刘家芬//欧阳小草//李永豪|责编:姚蕾
  - 出版社：机械工业
  - ISBN：9787111816270
  - 出版日期：2026/09/01
  - 页数：281
- 售价：31.6

内容大纲
    本书着重为高校非计算机专业的本科生和研究生系统地介绍人工智能的基本理论、关键技术以及实际应用，助力不同学科背景的学生构建对人工智能的整体认知，拓宽其技术视野，提升跨学科协同能力。
    本书共分为13章，内容力求涵盖人工智能从基础认知到技术实现、从算法到行业应用的核心知识体系。具体内容包括：第1～4章为基础部分，介绍人工智能技术的发展历程、知识图谱构建与推理、不确定性推理方法以及智能搜索优化算法等，帮助学生筑牢坚实的理论基础；第5～9章为核心技术部分，围绕机器学习、自然语言处理、计算机视觉、基础模型、数据可视化等主流人工智能技术展开深入讲解，凸显模型构建与实际应用的衔接；第10～13章为专题应用部分，结合金融科技、智能机器人、智慧医疗、智慧交通等典型行业案例，展现人工智能在现代科技与产业中的融合创新与落地途径。
    本书采用基础篇、进阶篇、实践篇到拓展阅读的四段式结构，每章内容由浅入深、理论结合实践，既注重技术和方法的系统传授，也强化真实场景下的应用训练。同时，书中配有图示、案例以及模块化结构，便于教师组织教学和学生自主学习。
    本书既可以作为普通高校人工智能通识课程、跨专业人工智能导论课程的教材，也可服务于研究生阶段的“人工智能+”交叉课程建设，还可作为从业人员学习人工智能应用的入门指南。
作者介绍
目录
前言
第1章  人工智能技术概述
  1.1  人工智能
    1.1.1  智能的概念
    1.1.2  人工智能的概念
  1.2  人工智能的发展历程
    1.2.1  孕育期（1936—1955年）
    1.2.2  形成期（1956—1969年）
    1.2.3  发展期（1970—1992年）
    1.2.4  爆发期（1993年至今）
  1.3  人工智能的研究内容
    1.3.1  感知智能
    1.3.2  认知智能
    1.3.3  行为智能
    1.3.4  群体智能
    1.3.5  混合智能
    1.3.6  情感智能
    1.3.7  类脑智能
    1.3.8  具身智能
  1.4  现代人工智能进展
    1.4.1  深度学习范式
    1.4.2  学习机制的创新
  1.5  拓展阅读
  1.6  参考文献
第2章  知识图谱
  2.1  基础篇
    2.1.1  知识图谱的发展历程
    2.1.2  知识图谱的概念
    2.1.3  知识图谱的表示
  2.2  进阶篇
    2.2.1  知识图谱的架构
    2.2.2  知识图谱的建模
    2.2.3  知识图谱的评估
  2.3  实践篇
    2.3.1  知识图谱应用领域
    2.3.2  腾讯知识图谱平台
  2.4  拓展阅读
  2.5  参考文献
第3章  不确定性推理
  3.1  基础篇
    3.1.1  不确定性推理的基本概念
    3.1.2  不确定性推理的发展历程
  3.2  进阶篇
    3.2.1  可信度方法
    3.2.2  证据理论
  3.3  实践篇
    3.3.1  可信度方法的应用
    3.3.2  证据理论的应用
  3.4  拓展阅读
  3.5  参考文献

第4章  智能搜索优化算法
  4.1  基础篇
    4.1.1  搜索与优化的基本概念
    4.1.2  智能搜索优化算法的主要分类
    4.1.3  启发式搜索算法详解
  4.2  进阶篇
    4.2.1  进化算法
    4.2.2  遗传算法
    4.2.3  群体智能搜索优化算法
    4.2.4  物理模拟优化算法
  4.3  实践篇
    4.3.1  股市交易策略搜索
    4.3.2  金融投资组合优化
  4.4  拓展阅读
  4.5  参考文献
第5章  机器学习
  5.1  基础篇
    5.1.1  机器学习的基本概念
    5.1.2  机器学习的发展历程
    5.1.3  机器学习的主要分类
  5.2  进阶篇
    5.2.1  线性回归
    5.2.2  聚类算法
    5.2.3  K近邻算法
    5.2.4  决策树
    5.2.5  支持向量机
    5.2.6  神经网络
  5.3  实践篇
    5.3.1  线性回归在股票市场预测中的应用
    5.3.2  聚类算法在客户细分与行为分析中的应用
    5.3.3  K近邻算法在医疗诊断与病理分类中的应用
    5.3.4  决策树在信用卡欺诈检测中的应用
  5.4  拓展阅读
  5.5  参考文献
第6章  自然语言处理
  6.1  基础篇
    6.1.1  自然语言处理概述
    6.1.2  自然语言处理的发展历程
  6.2  进阶篇
    6.2.1  如何建模语言
    6.2.2  基于规则的方法
    6.2.3  基于统计学习的方法
    6.2.4  基于深度学习的方法
  6.3  实践篇
    6.3.1  使用序列到序列模型实现机器翻译
    6.3.2  命名实体识别
  6.4  拓展阅读
  6.5  参考文献
第7章  计算机视觉
  7.1  基础篇

    7.1.1  计算机视觉的发展历程
    7.1.2  计算机视觉的核心任务
  7.2  进阶篇
    7.2.1  卷积神经网络
    7.2.2  残差神经网络
    7.2.3  单阶段目标检测神经网络
    7.2.4  掩码区域卷积神经网络
    7.2.5  视觉转换器
    7.2.6  扩散模型
  7.3  实践篇
    7.3.1  图像分类
    7.3.2  目标检测
    7.3.3  实例分割
  7.4  拓展阅读
  7.5  参考文献
第8章  基础模型
  8.1  基础篇
    8.1.1  基础模型的概念
    8.1.2  基础模型的发展历程
    8.1.3  基础模型的关键技术
    8.1.4  基础模型的应用领域
  8.2  进阶篇
    8.2.1  Transformer架构
    8.2.2  前馈神经网络
    8.2.3  预训练与微调技术
    8.2.4  人类意图对齐技术
    8.2.5  多模态技术
    8.2.6  检索增强生成技术
    8.2.7  数据处理与模型评估
  8.3  实践篇
    8.3.1  商业报告生成助手
    8.3.2  法律知识问答助手
  8.4  拓展阅读
  8.5  参考文献
第9章  数据可视化
  9.1  基础篇
    9.1.1  数据的基本概念
    9.1.2  数据与可视化
    9.1.3  数据可视化的现实意义
  9.2  进阶篇
    9.2.1  数据探索性分析
    9.2.2  对比与趋势可视化
    9.2.3  数据可视化的分类
  9.3  实践篇
    9.3.1  初识Matplotlib
    9.3.2  可视化图形定制
    9.3.3  鸢尾花数据可视化分析
    9.3.4  火灾数据可视化分析
  9.4  拓展阅读
  9.5  参考文献

第10章  金融科技
  10.1  基础篇
    10.1.1  中国金融科技的发展历程
    10.1.2  金融科技的技术与工具
    10.1.3  金融科技的未来趋势和挑战
  10.2  进阶实践篇
    10.2.1  知识图谱与金融科技
    10.2.2  自然语言处理与金融科技
    10.2.3  计算机视觉与金融科技
  10.3  拓展阅读
  10.4  参考文献
第11章  智能机器人
  11.1  基础篇
    11.1.1  智能机器人概述
    11.1.2  智能机器人的基本组成
    11.1.3  智能机器人的分类
  11.2  进阶实践篇
    11.2.1  智能机器人的核心技术
    11.2.2  自主导航与环境感知
    11.2.3  机器人控制与优化
    11.2.4  智能对话机器人
    11.2.5  智能家居控制系统
  11.3  拓展阅读
  11.4  参考文献
第12章  智慧医疗
  12.1  基础篇
    12.1.1  智慧医疗概述
    12.1.2  智慧医疗的发展历程
  12.2  进阶实践篇
    12.2.1  基于图像识别的诊断
    12.2.2  智慧医疗问答系统
    12.2.3  蛋白质结构的解析与预测
  12.3  拓展阅读
  12.4  参考文献
第13章  智慧交通
  13.1  基础篇
    13.1.1  智慧交通概述
    13.1.2  智慧交通的关键技术
  13.2  进阶实践篇
    13.2.1  交通预测
    13.2.2  城市救护车部署方案
  13.3  拓展阅读
  13.4  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