新書推薦：
《
鲶鱼之怒：日本大众文化中的天灾·疫病·怪异
》
售價：NT$
352.0
《
经典译林：罗生门
》
售價：NT$
199.0
《
现场：细读《史记》
》
售價：NT$
250.0
《
传奇与绝技：木拱桥里的中国营造智慧
》
售價：NT$
398.0
《
正史纂修与重建史观：辽金元的视角（博雅史学论丛中国史系列）
》
售價：NT$
607.0
《
英国工业革命：经济的质变、世界工厂的建成与海洋霸主地位的确立 陆海书系
》
售價：NT$
434.0
《
汉亡哲思录：儒家思想与东汉三国关系新解
》
售價：NT$
500.0
《
汉字东渡：日本汉字趣味谈
》
售價：NT$
398.0
|
| 編輯推薦： |
|
?通俗易懂，初学易通：本书避免列出复杂的数学公式和术语，让没有技术背景的学生也能轻松理解人工智能的基本原理和应用场景；图表和案例丰富，可以帮助学生直观理解抽象概念。?结构清晰，内容全面：本书从算法、软件工程讲起，阶梯式递进，探讨了人工智能的含义、核心技术和应用实践。?理实交融，相得益彰：本书不仅注重讲解理论知识，还通过实际案例和项目实践帮助学生将理论应用于实践，展示从选题、数据收集、模型训练到项目展示的全过程，培养学生解决实际问题的能力。每章末尾附有课后习题，帮助学生巩固所学的知识。?追踪前沿，洞察趋势：本书介绍当下流行的人工智能技术，探讨前沿领域(如强化学习、生成式模型、可解释人工智能等)，呈现发展动态；讨论人工智能的未来趋势及其对社会的影响，分析人工智能时代的机遇与挑战。?资源丰富，配套完备：本书配有丰富的教学资源，包括教学PPT、习题答案、案例分析视频等，方便教师教学和学生自学。
|
| 內容簡介： |
|
《人工智能通识》是面向大学本科一年级学生的人工智能入门教材，系统介绍人工智能的基础知识、核心技术及其社会影响，主要内容如下：?计算机科学基础——涵盖编程、数据结构等知识，为学生打下扎实的理论基础。?人工智能核心技术——详细讲解机器学习、深度学习、人工神经网络、自然语言处理等关键技术，注重原理阐述与实践结合。?人工智能应用与前沿探索——通过智能医疗、金融科技等本土案例，展示技术在实际场景中的创新应用。?人工智能伦理与社会影响——探讨数据隐私、算法偏见等伦理问题，引导学生思考技术发展的社会责任。本书通俗易懂，图表丰富，知识模块呈阶梯式递进，注重直观理解而非复杂推导，兼顾理工科与文科学生的需求，旨在帮助学生掌握人工智能基础知识，培养学生的跨学科思维，提高学生解决实际问题的能力。本书适合作为通识课程教材或自学参考书。
|
| 目錄：
|
目录
第1章 计算机系统与数据基础 1
1.1 计算机系统架构：硬件组成与操作系统核心功能 1
1.1.1 计算机硬件组成 1
1.1.2 操作系统核心功能 3
1.2 数据表示与存储：二进制、数据类型与数据库系统简介 4
1.2.1 二进制：计算机的底层语言 4
1.2.2 数据类型：程序设计的基石 5
1.2.3 数据库系统：数据管理的核心 6
1.3 计算机网络与分布式系统：从局域网到云计算架构 7
1.3.1 计算机网络基础概念与分层体系 7
1.3.2 计算机网络分类与典型应用 8
1.3.3 分布式系统原理与特性 8
1.3.4 云计算架构详解与应用模式 9
课后习题 9
第2章 算法、编程与软件工程 11
2.1 算法基础：复杂度分析与经典算法 11
2.1.1 算法复杂度分析 11
2.1.2 经典排序算法 12
2.1.3 搜索算法 13
2.1.4 图算法 13
2.2 编程语言范式：面向过程、面向对象与函数式编程 14
2.2.1 面向过程编程范式 14
2.2.2 面向对象编程范式 14
2.2.3 函数式编程范式 15
2.2.4 三种编程范式的比较与应用场景选择 15
2.3 Python实践入门：语法基础、科学计算库 16
2.3.1 Python语法基础 16
2.3.2 NumPy科学计算库 16
2.3.3 Pandas数据处理库 17
2.4 软件开发流程：需求分析、版本控制与测试规范 18
2.4.1 需求分析 18
2.4.2 版本控制与Git工具 19
2.4.3 软件测试规范 20
2.4.4 软件开发流程的协同与优化 21
课后习题 21
第3章 人工智能概述与技术演进 23
3.1 人工智能的定义与分类 24
3.1.1 人工智能的定义 24
3.1.2 人工智能的分类 24
3.2 技术发展脉络 25
3.3 主流技术分支 26
课后习题 28
第4章 机器学习基础 29
4.1 机器学习的概念与分类 29
4.1.1 机器学习的概念 29
4.1.2 机器学习的任务类别 31
4.1.3 机器学习策略 32
4.2 分类 33
4.2.1 数据收集与预处理 33
4.2.2 特征提取 34
4.2.3 特征与特征向量 34
4.2.4 标签与标签数据 34
4.2.5 分类器 35
4.3 回归 55
4.3.1 线性回归 56
4.3.2 多项式回归 59
4.3.3 LASSO回归与岭回归 62
4.4 聚类 66
4.4.1 K均值聚类 66
4.4.2 DBSCAN算法 69
4.5 模型评估与选择 72
4.5.1 泛化能力 72
4.5.2 数据集划分 72
4.5.3 性能度量 74
课后习题 75
第5章 深度学习与神经网络 77
5.1 深度学习的发展 77
5.1.1 深度学习产生的背景 79
5.1.2 深度学习 80
5.1.3 深度学习与浅层学习的主要区别 80
5.1.4 深度学习模型 80
5.2 人工神经网络基础 81
5.2.1 生物神经元 81
5.2.2 人工神经网络 81
5.2.3 多层人工神经网络的学习过程 86
5.3 卷积神经网络(CNN) 89
5.3.1 卷积神经网络的功能组件 89
5.3.2 卷积层 90
5.3.3 池化层 94
5.3.4 感受野 96
5.3.5 典型卷积神经网络结构LeNet-5模型 97
5.4 循环卷积神经网络(RNN) 100
5.4.1 RNN的网络结构和工作过程 100
5.4.2 LSTM的结构和工作过程 101
课后习题 106
第6章 自然语言处理 108
6.1 自然语言处理概述 108
6.1.1 初识自然语言处理 108
6.1.2 自然语言处理概述 109
6.2 文本预处理和词向量 116
6.2.1 文本预处理流程 116
6.2.2 文本的向量化工具Word2Vec 117
6.2.3 联系上下文的BERT模型 121
6.3 语言模型与对话系统 123
6.3.1 语言模型和对话系统实例 123
6.3.2 ChatGPT原理 124
6.4 应用实例 126
6.4.1 电商评论情感分析应用实例 126
6.4.2 机器翻译应用实例 128
课后习题 130
第7章 计算机视觉 132
7.1 计算机视觉概述 133
7.1.1 初识计算机视觉 133
7.1.2 计算机视觉的定位与内涵 134
7.2 图像获取与预处理 136
7.2.1 图像获取 136
7.2.2 图像预处理 136
7.3 特征提取与表示 137
7.3.1 传统手工特征提取 137
7.3.2 基于深度学习的特征提取 138
7.3.3 特征表示方法 139
7.4 目标检测与识别 139
7.4.1 目标检测与识别简介 139
7.4.2 目标检测的发展脉络 140
7.4.3 目标检测与识别经典算法 141
7.4.4 Faster R-CNN算法的详细介绍 142
7.4.5 目标检测与识别前沿技术 147
7.5 图像生成技术 148
7.5.1 图像生成技术基本介绍 148
7.5.2 图像生成技术发展脉络 149
7.5.3 图像生成经典算法 149
7.5.4 GAN和扩散模型的比较 151
7.6 实战案例：人脸识别与视频分析 152
课后习题 154
第8章 人工智能行业应用案例 155
8.1 精确诊断——人工智能与医疗健康 155
8.1.1 智能超声孕检系统 155
8.1.2 DeepSeek赋能诊疗全流程 156
8.2 智慧银行——人工智能与金融 157
8.2.1 人性化的数字银行职员 157
8.2.2 首个AI原生手机银行上线 158
8.3 未来世界——人工智能与智能制造和自动驾驶 159
8.3.1 24小时无人化作业智慧钢厂 159
8.3.2 高寒地区5G无人驾驶系统 159
课后习题 160
第9章 前沿技术探索 161
9.1 生成式AI 162
9.2 边缘计算与AIoT 163
9.3 量子机器学习与脑机接口 165
课后习题 167
第10章 人工智能项目实践 168
10.1 人工智能实践准备 168
10.1.1 Jupyter NoteBook的安装 168
10.1.2 Jupyter NoteBook的基本用法 170
10.2 人工智能实践流程 173
10.3 机器学习案例实战 174
10.3.1 鸢尾花分类 174
10.3.2 糖尿病进展预测 176
10.4 深度学习案例实战 181
10.4.1 预测波士顿房价 181
10.4.2 手写数字分类 186
10.5 综合案例——构建简单的聊天机器人 190
课后习题 191
第11章 伦理与责任 193
11.1 数据隐私与算法偏见 193
11.1.1 数据隐私保护 193
11.1.2 算法偏见剖析 194
11.2 AI的可解释性与透明性 195
11.2.1 可解释性的意义 195
11.2.2 可解释性技术 195
11.3 军事AI与伦理红线 195
11.3.1 自主武器系统的争议 195
11.3.2 军事数据安全与隐私 196
课后习题 196
第12章 社会影响与职业发展 198
12.1 AI对就业市场的冲击与机遇 198
12.1.1 传统岗位面临的挑战 198
12.1.2 AI催生的新兴职业 199
12.1.3 应对就业格局变化的策略 199
12.2 政策与行业监管 200
12.2.1 欧盟AI法案的引领作用 200
12.2.2 美国的分散式监管模式 201
12.2.3 中国的AI发展与监管体系 201
12.3 职业规划与技能树 201
12.3.1 算法工程师 201
12.3.2 AI产品经理 202
12.3.3 AI伦理 203
12.4 求职指南 203
12.4.1 简历撰写 203
12.4.2 面试技巧 204
12.4.3 技术博客与GitHub建设 205
课后习题 206
参考文献 208
|
| 內容試閱：
|
本书编委会
主 编：孙福权 唐四元
副 主 编：孙梦迪 张 磊 崔建江
尚巧玲 王殿洋
前言
在当今世界，科技正以前所未有的速度蓬勃发展，人工智能(AI)作为新一轮科技革命和产业变革的核心驱动力，已成为推动社会进步和经济转型的重要引擎。党的二十大报告明确提出，要加快实施创新驱动发展战略，加强基础研究，突出原创，鼓励自由探索，提升科技投入效能，深化科技体制改革。在此背景下，我们编写了这本《人工智能通识》教材，旨在全面、系统地向大学本科一年级学生介绍人工智能基础知识，同时培养学生的科学素养、创新精神和社会责任感。
国家出台了一系列政策，如《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018—2020年)》等，为人工智能的教育与研究提供了强有力的政策保障。本教材紧跟国家战略需求，内容涵盖AI基础理论和前沿技术，并融入大量中国本土案例，如智能医疗中的影像诊断技术、金融科技中的风控模型等，帮助学生了解我国在人工智能领域的创新与实践。同时，教材特别强调了自主创新能力的重要性，鼓励学生立足国情，探索具有中国特色的技术解决方案。
人工智能不仅是技术的革新，更是人类智慧的延伸。从计算机科学的基石到深度学习的尖端技术，从自然语言处理的突破到计算机视觉的广泛应用，人工智能正在深刻改变着人们的生活和工作方式。然而，技术的快速发展也带来诸多挑战，如数据隐私、算法偏见、伦理争议等。因此，在学习人工智能技术的同时，我们更需要关注其背后的社会影响和伦理责任。本教材不仅涵盖技术原理与实践，还特别设置了“伦理与责任”一章，引导学生思考技术发展的边界与责任，培养其成为兼具技术能力与人文关怀素养的新时代人才。
本教材在编写过程中，始终贯彻立德树人，培养德智体美劳全面发展的社会主义建设者和接班人这一精神，注重知识传授与价值引领的结合。例如，不仅分析算法的技术原理，还通过案例探讨算法公平性；在介绍行业应用时，结合医疗、金融、制造等领域的实际场景，展现人工智能如何服务社会、造福人类。我们希望学生通过学习，不仅能掌握技术，更能理解技术背后的使命与担当。
本教材采用模块化设计。第1~2章介绍计算机科学基础知识；重点讲解算法基础、数据结构、计算理论等核心内容，为后续学习奠定坚实基础。第3~7章讲述人工智能核心技术，系统阐述机器学习、深度学习、自然语言处理、计算机视觉等关键技术的原理。第8~10章探索人工智能应用与前沿态势，呈现智慧医疗、智能金融、智能制造等典型应用场景，分析大模型、生成式AI等前沿技术发展趋势，专门设计了人工智能实践项目，通过行业案例和前沿技术拓宽学生视野、展现技术创新价值。第11~12章讲述人工智能伦理与社会影响，创新性地设置技术伦理专题；通过研讨算法偏见、数据隐私等热点议题的案例，培养学生的社会责任感和科技伦理意识。
本书的编写工作凝聚了多位学者的智慧与心血，具体分工如下：第1章(计算机系统与数据基础)、第2章(算法、编程与软件工程)由张磊执笔撰写，第11章(伦理与责任)、第12章(社会影响与职业发展)由东北大学孙梦迪博士与张磊合作撰写，第4章(机器学习基础)、第5章(深度学习与神经网络)由孙梦迪博士与唐四元合作撰写，第6章(自然语言处理)由孙梦迪博士与崔建江合作撰写，第3章(人工智能概述与技术演进)、第7章(计算机视觉)、第9章(前沿技术探索)由尚巧玲撰写，第8章(人工智能行业应用案例)、第10章(人工智能项目实践)由王殿洋撰写。全书由孙福权和唐四元担任主编，负责整体框架设计、内容统稿和质量把控工作。在编写过程中，编写团队多次召开研讨会，就知识体系构建、案例选取、表述方式等进行了深入讨论，确保教材内容的科学性、系统性和适用性。
在编写过程中，我们特别注重教材的易读性和实用性；对复杂的数学公式和冗长的理论推导进行了精简处理，转而采用直观的示意图、生活化的类比和丰富的应用案例来阐释人工智能的核心原理。这种“重理解，轻推导”的写作风格，使本书具有以下特色：①语言表述通俗化——用平实的语言解释专业概念；②知识呈现可视化——通过精心设计的图表展示技术原理；③学习路径阶梯化——设置循序渐进的知识模块。这种编写方式使本书具有广泛的适用性：可作为本科一年级通识课程的理想教材，可作为理工科学生的人工智能启蒙读物，可帮助文科生快速了解AI基础知识，也可为社会人士自学提供参考。
期待读者通过学习，不仅能掌握人工智能的基本概念，更能在学习过程中逐步培养对技术本质的洞察力、跨学科思考的创新能力及解决实际问题的应用能力。这些素养将成为读者在未来智能时代发展的重要基石。
在教材编写过程中，我们广泛参考了国内外教材、经典专著和研究论文，力求跟踪人工智能领域发展与前沿技术。鉴于人工智能领域发展迅速，术语体系尚未完全统一，我们在概念表述上遵循以下原则：① 优先采用外语中文译写规范部际联席会议委员会发布的推荐使用外语词规范中文译名；② 对存在多种表述的专业术语，选择学术文献中使用频率最高的版本；③ 在首次出现时标注英文原名及常见变体。
本书配有丰富的教学资源，包括教学课件、案例分析视频、教学大纲、教案、教学计划、学时分配表、习题答案等，以方便教师教学和学生自学，可扫描右侧二维码获取。
由于人工智能领域发展迅速且涉及的学科广泛，加之编者学识有限，本书难免存在疏漏与不足之处。我们诚挚欢迎各位读者朋友和学界同仁提出宝贵意见。
衷心感谢清华大学出版社各位、编辑和发行同仁为本书出版倾注的心血和付出的不懈努力。
孙福权
2025年7月
|
|
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
