新書推薦：
《
从大繁荣到大萧条 1919—1939年美国社会生活史
》
售價：NT$
500.0
《
中西交通史 陆海书系
》
售價：NT$
296.0
《
图说新质生产力1：科技创新 落地化解读新质生产力的内涵和精髓
》
售價：NT$
301.0
《
从弗洛伊德到百忧解：精神病学的历史（医学人文丛书）
》
售價：NT$
398.0
《
雪
》
售價：NT$
352.0
《
当代学术·中古中国与粟特文明
》
售價：NT$
653.0
《
财政与国家治理
》
售價：NT$
755.0
《
魏特琳日记（重新修订，震撼上市）
》
售價：NT$
449.0
|
| 內容簡介： |
|
本书从实用性和先进性出发，较全面地介绍人工智能的发展脉络、基本理论以及现代人工智能新技术与应用案例。全书共7章，第1章绪论，介绍人工智能的概念和发展简史，当前发展方向、研究热点，基本研究内容、所采用的研究方法；第2章讨论传统经典人工智能的知识表示、知识工程、搜索技术、群智能算法、知识图谱、专家系统和规划技术等基本知识，同时阐明人工智能研究中的数学基础和作用；第3章主要介绍实践人工智能应用的编程语言Python；第4章主要以Scikit-learn为基础介绍机器学习的基础知识和实践案例；第5章为人工神经网络与深度学习，内容包括BP神经网络、卷积神经网络CNN、循环神经网络RNN以及生成对抗网络GAN及其相关应用案例，并简单介绍深度学习工具；第6章讨论人工智能的应用领域，包括计算机视觉、自然语言处理、语音识别、专家系统、知识图谱、多智能体和智能机器人等；第7章介绍新一代人工智能技术，对未来人工智能的发展方向和趋势进行展望，提出了当前面临的风险和挑战。本书提供配套电子课件PPT、源代码等电子资源。 本书可作为高等院校本科教材。
|
| 目錄：
|
第1章 绪论1
1．1 人工智能的概念1
1．2 人工智能的发展简史2
1．3 人工智能的发展方向5
1．4 人工智能的研究内容和研究方法6
1．5 本章小结7
习题18
第2章 经典人工智能及数学基础10
2．1 经典人工智能的研究内容10
2．2 经典人工智能的研究目标与研究路径10
2．2．1 概念表示11
2．2．2 知识表示11
2．2．3 知识工程12
2．2．4 知识图谱12
2．2．5 搜索技术13
2．2．6 群智能算法14
2．2．7 专家系统16
2．2．8 规划技术16
2．3 数学基础17
2．3．1 人工智能必 备的数学基础17
2．3．2 数学在人工智能中的作用17
2．3．3 数学在人工智能中的支撑作用20
2．4 本章小结21
习题221
第3章 人工智能编程基础24
3．1 人工智能编程环境24
3．2 Anaconda环境的搭建25
3．2．1 Windows下Anaconda环境的搭建25
3．2．2 macOS下Anaconda环境的搭建28
3．2．3 Linux下Anaconda环境的搭建29
3．3 Python语法基础31
3．3．1 Python语言的特点31
3．3．2 Python编程第一步32
3．3．3 Python基本语法32
3．3．4 基本数据类型34
3．3．5 变量35
3．3．6 运算符与表达式37
3．3．7 控制流39
3．3．8 数据结构46
3．3．9 输入与输出58
3．3．10 函数59
3．3．11 类和对象61
3．3．12 文件操作66
3．4 Python模块和包68
3．4．1 模块68
3．4．2 包70
3．4．3 第三方库71
3．5 本章小结73
习题373
第4章 机器学习77
4．1 机器学习简介77
4．1．1 塞缪尔的跳棋77
4．1．2 浅层学习与深度学习78
4．2 浅层学习80
4．2．1 监督学习80
4．2．2 无监督学习80
4．2．3 弱监督学习80
4．2．4 强化学习81
4．3 数据集和数据集预处理81
4．3．1 数据集81
4．3．2 数据预处理82
4．3．3 数据集分割86
4．4 模型评估89
4．4．1 欠拟合、过拟合、适度拟合89
4．4．2 分类评价指标90
4．4．3 回归评价指标91
4．5 常用机器学习算法92
4．5．1 线性回归92
4．5．2 支持向量机94
4．5．3 朴素贝叶斯98
4．5．4 逻辑回归99
4．5．5 K最近邻算法101
4．5．6 决策树103
4．5．7 随机森林105
4．5．8 梯度提升决策树107
4．5．9 K均值聚类109
4．5．10 层次聚类112
4．5．11 DBSCAN聚类114
4．5．12 主成分分析117
4．6 本章小结119
习题4119
第5章 人工神经网络与深度学习122
5．1 人工神经网络122
5．1．1 人工神经网络的发展历程123
5．1．2 人工神经网络简介125
5．2 BP神经网络128
5．2．1 BP神经网络的背景及原理128
5．2．2 BP算法的基本思想131
5．2．3 BP神经网络算法实现133
5．3 卷积神经网络137
5．3．1 CNN的原理139
5．3．2 经典的CNN144
5．3．3 CNN应用案例147
5．4 循环神经网络150
5．4．1 RNN的原理与演变150
5．4．2 RNN应用案例153
5．5 生成对抗网络156
5．5．1 GAN原理156
5．5．2 GAN应用案例159
5．6 深度学习工具162
5．7 本章小结163
习题5163
第6章 人工智能应用167
6．1 计算机视觉167
6．1．1 十大算法模型167
6．1．2 典型应用171
6．2 自然语言处理171
6．3 语音识别172
6．4 专家系统173
6．5 知识图谱176
6．6 多智能体180
6．7 智能机器人181
6．8 本章小结185
习题6185
第7章 新一代人工智能技术188
7．1 人工智能技术的现状188
7．1．1 ChatGPT188
7．1．2 DeepSeek191
7．1．3 其他大模型196
7．2 人工智能技术展望199
7．2．1 弱人工智能与强人工智能199
7．2．2 人工智能的风险与挑战201
7．3 本章小结202
习题7202
附录A 与本书相关的软件及其需独立安装的第三方库列表205
附录B 机器学习的数学基础206
B．1 高等数学206
B．2 线性代数211
B．3 概率论和数理统计217
参考文献225
|
|
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
