新書推薦：
《
泉舆日志 幻想世界宝石生物图鉴
》
售價：NT$
611.0
《
养育女孩 ： 官方升级版
》
售價：NT$
230.0
《
跨界：蒂利希思想研究
》
售價：NT$
500.0
《
千万别喝南瓜汤（遵守规则绘本）
》
售價：NT$
204.0
《
大模型启示录
》
售價：NT$
510.0
《
东法西渐：19世纪前西方对中国法的记述与评价
》
售價：NT$
918.0
《
养育男孩：官方升级版
》
售價：NT$
230.0
《
小原流花道技法教程
》
售價：NT$
500.0
|
| 編輯推薦： |
本书配套500分钟视频讲解，为每个算法知识点和每个应用方向设计了多个Python实例，帮助读者深入理解。
本书全面介绍机器学习、神经网络、增强学习与深度学习等人工智能的基础算法和自然语言处理、语音识别、计算机视觉、区块链等主流应用领域。
本书难度适中，适合于各专业大学生和普通读者学习。
|
| 內容簡介： |
|
本书共分11章，分别介绍了人工智能导引、Python基础、机器学习初步、自然语言处理、语音识别、计算机视觉、神经网络、增强学习与深度学习、人工智能与区块链、人工智能相关算法、人工智能的载体—；—；机器人。本书包含丰富的Python项目实践，并配有500分钟教学视频。
|
| 關於作者： |
|
姜春茂，博士，哈尔滨师范大学教授，机器人教育专家，黑龙江软件学会常务理事，哈工大机器人（合肥）国际创新研究院研发副总师。已出版《人工智能基础教程：Python篇（青少版）》等图书。
|
| 目錄：
|
第1章人工智能导引
1.1什么是人工智能
1.2学习人工智能的目的和意义
1.3人工智能的应用
1.3.1人工智能的行业图谱和行业发展剖析
1.3.2人工智能结合大数据的行业应用案例
1.3.3人工智能在“；互联网 ”；领域的应用
1.3.4人工智能在制造业领域的应用
1.3.5人工智能在金融、消费领域的应用
1.4人工智能的分支
1.4.1人工智能领域的经典问题和求解方式
1.4.2机器学习模型和推理符号模型
1.4.3人工智能和大数据
1.4.4人工智能和机器学习
1.4.5人工智能和深度学习
1.5小结
习题
第2章Python基础
2.1Python的安装
2.1.1Ubuntu下的安装
2.1.2Windows下的安装
2.2编程基础
2.2.1数据类型与变量
2.2.2字符串和编码
2.2.3列表、元组及字典
2.2.4条件判断
2.2.5循环
2.2.6函数的定义与调用
2.3第三方模块的安装与使用
2.4文件读写
2.5NumPy的使用
2.5.1NumPy简介、下载与安装
2.5.2数据类型
2.5.3数组的创建与索引
2.5.4数组的操作
2.5.5函数
2.5.6矩阵库及线性代数
2.6Python绘图基础
2.6.1初级绘制
2.6.2线条的颜色和粗细
2.6.3图例、子图、坐标轴和记号
2.6.4常见的图像形状
2.6.5常见的图像格式
2.6.6图像的基本操作
2.7小结
习题
第3章机器学习初步
3.1机器学习概述
3.2机器学习的分类
3.3数据预处理与特征工程
3.4sklearn库简介
3.5逻辑回归分类
3.6线性回归预测
3.7聚类
3.8小结
习题
第4章自然语言处理
4.1自然语言处理的概念
4.2文本分词与词汇还原
4.2.1文本分词
4.2.2使用stemming还原词汇
4.2.3使用lemmatization还原词汇
4.3文本分块与词袋模型
4.3.1文本分块
4.3.2词袋模型
4.4使用TFIDF算法构建文档类别预测器
4.5案例： 构建语义分析器
4.6基于LDA的主题模型
4.7小结
习题
第5章语音识别
5.1处理语音信号
5.2可视化音频信号
5.3将音频信号从时域转换为频域
5.4生成音频信号
5.5提取语音特征
5.6构建语音识别系统—；—；识别口语词汇
5.7小结
习题
第6章计算机视觉
6.1什么是计算机视觉
6.2OpenCV简介
6.3视频中移动物体检测方法
6.3.1帧间差分法
6.3.2使用色彩空间跟踪对象
6.3.3使用背景差分法跟踪对象
6.4使用CAMShift算法构建目标跟踪器
6.5基于光流的跟踪
6.6Haar级联和积分图
6.6.1使用Haar级联进行对象检测
6.6.2使用积分图进行特征提取
6.7人脸检测和跟踪
6.8小结
习题
第7章人工神经网络
7.1什么是人工神经网络
7.2建立和训练人工神经网络
7.2.1神经元
7.2.2建立人工神经网络
7.2.3训练人工神经网络
7.2.4激活函数
7.3感知器
7.4构建单层人工神经网络和多层人工神经网络
7.4.1前向网络和反馈网络
7.4.2构建单层人工神经网络
7.4.3构建多层人工神经网络
7.5循环人工神经网络
7.6构建光学字符识别引擎
7.7小结
习题
第8章强化学习和深度学习
8.1强化学习的基本概念
8.1.1什么是强化学习
8.1.2强化学习与监督学习的区别
8.1.3强化学习的原理
8.1.4现实中强化学习的实例
8.2强化学习案例—；—；构建智能体
8.3什么是深度学习
8.4卷积神经网络
8.4.1什么是卷积神经网络
8.4.2卷积神经网络的体系结构
8.5使用单层神经网络建立图像分类器
8.6使用卷积神经网络建立图像分类器
8.7小结
习题
第9章区块链
9.1区块链概述
9.1.1区块链的起源与发展
9.1.2区块链的类型与特征
9.1.3区块链架构模型
9.1.4区块链核心技术
9.1.5区块链应用
9.2人工智能与区块链
9.3在区块链过程中使用朴素贝叶斯
9.4案例： 使用朴素贝叶斯优化区块链
9.5小结
习题
第10章人工智能算法
10.1启发式搜索算法
10.2遗传算法
10.2.1遗传算法原理
10.2.2相关生物学术语
10.2.3运算过程
10.2.4案例实现
10.3模拟退火算法
10.3.1模拟退火算法原理
10.3.2模拟退火算法模型
10.3.3参数控制问题
10.3.4案例实现
10.4蚁群算法
10.4.1蚁群算法原理
10.4.2算法流程
10.4.3案例实现
10.5小结
参考文献
|
| 內容試閱：
|
人工智能(Artificial Intelligence，AI)正在改变着我们的工作与生活，也日益改变着我们的思维方式，可以说它已经无处不在。人工智能技术已经成为我们提升自身竞争力的必备技能，人工智能人才的培养已经成为我国发展的重要任务。从知识结构上讲，人工智能属于多学科交叉的知识体系，其人才培养需要依据特定的培养方案展开。目前国内众多高校，如南京大学、西安电子科技大学等，先后成立了人工智能学院，提出了体现自身特色的人工智能培养方案。
编写本书的目的是为初次涉猎人工智能的读者提供一个以实践为手段的、全貌式了解人工智能的机会。实事求是地讲，本书无论从深度还是广度来看，都还远远不够，但是作为一本入门教材，本书的目标是希望使用本书的读者能够通过实践产生兴趣，产生进一步深入研究某个主题的动力。
本书从基本的人工智能概念入手，从零开始介绍诸如机器学习、自然语言处理等各种算法，通过现实而有趣的例子展示教学内容。在整个学习过程中，读者会看到人工智能相关的各个主题当前所面临的挑战，一些折中的思想方法可能会得到更多应用。在学习路径的设计上，我们采用从简单到复杂的思路，从大家熟悉的内容到相对不太熟悉的内容安排方式。每个章节都包含相应的案例，案例的选择借鉴行业中所需要的或者正在应用的项目思想。
本书的内容由纸质和视频两部分组成。纸质部分包括人工智能导引、Python基础、机器学习初步、自然语言处理、语音识别、计算机视觉、人工神经网络、强化学习和深度学习、区块链、人工智能算法等内容。人工智能的知识体系繁杂、深入，上述任意一个主题都构成一个较大的研究方向，而本书的目的是通过实践引导的方式使初次涉猎人工智能的读者对其有一个概要性的了解，并产生学习的兴趣和前行的动力； 视频部分不是对纸质部分内容的简单讲解，而是包含更多的扩展材料与讲解，如基础知识、扩展与升华、课后思考等。视频部分的讲解采用动手实践、边演示边讲解的方式进行，除了基本概念以外，所讲解的知识绝大部分以Python编码的方式展示。
纸质部分共10章。第1章为人工智能导引，主要介绍人工智能的来历、应用等； 第2章为Python基础，介绍在人工智能方面应用的基础知识、扩展包等； 第3章为机器学习初步，介绍几个有代表性的算法，如朴素贝叶斯算法、聚类算法等； 第4章为自然语言处理，使用TFIDF算法构建文档类别预测器，构建语义分析器、基于LDA的主题模型等； 第5章为语音识别，通过构建一个语音识别系统—；—；识别口语词汇介绍如何处理语音信号及其可视化过程； 第6章为计算机视觉，主要讲解OpenCV的使用，学习如何用CAMShift算法构建一个目标跟踪器并讲解光流的基本知识； 第7章为人工神经网络，介绍感知器的概念以及如何基于感知器构造一个分类器，并使用人工神经网络构建一个光学字符识别引擎； 第8章为强化学习和深度学习，通过一些现实例子，讲解强化学习是如何表现出来的，之后介绍深度学习和卷积神经网络(CNN)； 第9章为区块链，介绍区块链的相关知识及人工智能与区块链之间的关系，使用朴素贝叶斯算法通过预测事务来预测存储水平优化供应链管理(SCM)区块链中的区块； 第10章简要介绍一些人工智能算法，包括遗传算法、模拟退火算法和蚁群算法等。
视频内容的编排按照微视频的录制方式。每段视频的时长为10~15分钟，内容包括基本内容讲解(主要讲解纸质部分内容)、扩展内容、思考题等。为了让读者有一个从思考到实践展示的过程，视频内容基于一条思考、学习的认知主线展开。期待读者跟随我们的讲解，加上自己的思考和加工，快速地熟悉和掌握大部分内容。读者先扫描本书封底“；文泉云盘”；涂层下的二维码，绑定微信账号，然后即可扫描书中的二维码观看视频。
清华大学出版社的付弘宇编辑从编写本书的主题选择、写作风格及微视频的录制等方面给予了很多建议和支持，在此深表感谢。由于人工智能的知识体系非常庞杂，难以全面掌握，尽管我们做了很大努力，书中可能还会存在错误。我们希望能够抛砖引玉，期待各位专家、学者的指导和帮助。在本书的编写过程中，我们参考了国内外近期出版的众多书籍、论文等，在此对相关作者表示感谢。如涉及版权问题，请联系我们。后，希望读者在学习本书之后，能够有所收获。
本书免费提供配套的教学大纲、PPT课件与书中涉及的代码，可以从清华大学出版社官方网站www．tup．com．cn或清华大学出版社官方微信公众号“；书圈”；(ID： itshuquan)下载。
编者
2020年12月
课程总结
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
