人工智能通識基礎.社會科學 吳超 9787308259330 【台灣高等教育出版社】

圖書均為代購,正常情形下,訂後約兩周可抵台。
物品所在地:中國大陸
原出版社:浙江大學
大陸簡體正版圖書,訂購後正常情形下約兩周可抵台。
NT$286
商品編號: 9787308259330
供貨狀況: 尚有庫存

此商品參與的優惠活動

加入最愛
商品介紹
*書籍均為代購,我們向大陸付款發訂後即無法取消,為避免造成不必要的損失,
下訂前請慎重考慮!下訂前請慎重考慮!謝謝。

*完成訂單後正常情形下約兩周可抵台
*本賣場提供之資訊僅供參考,以到貨標的為正確資訊。
印行年月:202502*若逾兩年請先於客服中心或Line洽詢存貨情況,謝謝。
台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。
書名:人工智能通識基礎.社會科學
ISBN:9787308259330
出版社:浙江大學
著編譯者:吳超
頁數:193
所在地:中國大陸 *此為代購商品
書號:1718944
可大量預訂,請先連絡。

內容簡介

本書聚焦人工智能與社會科學的交融,源於浙江大學人工智能通識課建設需求。它以現代機器學習為核心,介紹從機器學習基礎到深度學習、大語言模型等知識,通過大量社會科學案例展現技術與社會的互動。教材內容前沿、通俗易懂,注重實踐,旨在幫助社會科學類專業學生及關注者理解人工智能原理,掌握技術治理話語能力,成為負責任的「科技公民」。

目錄

第1章 背景和基本概念
1 1 人工智能對社會科學的影響
1 2 數據和模型
1 3 人工智能發展歷史
1 4 計算社會科學
第2章 機器學習基礎
2 1 機器學習重要概念
2 1 1 模型
2 1 2 建模
2 1 3 關鍵階段
2 1 4 數據
2 1 5 參數與超參數
2 1 6 損失函數
2 2 梯度下降算法:尋找最優解的旅程
2 2 1 梯度下降:站在山頂如何走向山谷
2 2 2 梯度下降算法的簡要步驟
2 2 3 梯度下降算法的局限性
2 2 4 梯度下降算法總結
2 3 回歸與分類:機器學習的兩大任務
2 3 1 回歸任務的基礎模型:線性回歸
2 3 2 分類任務的基礎模型:邏輯回歸
2 3 3 總結:回歸與分類的建模流程
2 4 實戰:線性回歸與邏輯回歸的實現
2 4 1 線性回歸模型:預測考試分數
2 4 2 邏輯回歸模型:預測客戶購買意願
2 5 機器學習經典模型:理解社會現象的工具箱
2 5 1 決策樹:模擬人類決策過程的模型
2 5 2 樸素貝葉斯:用概率推理解讀社會現象
2 5 3 支持向量機(SVM):尋找「最佳分割線」
2 5 4 從監督學習到無監督學習:探索數據的更多可能性
2 5 5 總結:經典機器學習模型的核心價值
2 6 實戰應用:經典機器學習模型的社會科學探索
2 6 1 決策樹:學生擇業決策
2 6 2 樸素貝葉斯:新聞文本分類
2 6 3 支持向量機:健康行為分類
2 6 4 K - Means聚類:城市空氣質量分級分析
2 7 過擬合:模型學習的「刻板印象」陷阱
2 7 1 過擬合的概念
2 7 2 過擬合的成因:理解模型的「盲點」
2 7 3 應對過擬合:模型優化與泛化能力平衡
2 8 案例分析:研究生招生預測模型中的過擬合問題
2 8 1 過擬合的出現
2 8 2 學習曲線:檢測過擬合
2 8 3 應對過擬合:正則化的作用
本章小結
習題
第3章 人工神經網絡
3 1 從生物神經元到人工神經元
3 1 1 人工神經元:向大腦學習
3 1 2 激活函數:人工神經元的核心
3 1 3 Softmax函數:從二分類到多分類
3 2 人工神經網絡
3 2 1 人工神經網絡的基本結構
3 2 2 訓練神經網絡:前序傳播和反向傳播
3 2 3 深度神經網絡
3 3 實戰應用:編寫神經網絡模型
3 3 1 神經網絡構建利器:Keras編程框架
3 3 2 編寫一個前饋神經網絡
本章小結
習題
第4章 深度學習
4 1 深度學習:破解深度神經網絡訓練難題
4 2 常用的深度學習模型
4 2 1 卷積神經網絡:提取高維數據特徵
4 2 2 循環神經網絡:序列數據建模利器
4 2 3 自編碼器網絡:無監督特徵提取器
4 3 深度學習模型的訓練技術
4 3 1 超參數:調控模型訓練的關鍵因子
4 3 2 數據增強:提升數據多樣性
4 4 實戰應用:編寫深度學習模型
4 4 1 CNN實踐:手寫數字識別
4 4 2 RNN實踐:自動文本補全
4 5 案例分析
4 5 1 利用循環神經網絡進行文本情感分析
4 5 2 基於多智能體的群體共識過程
4 6 延伸閱讀
4 6 1 深度學習的優勢:端到端學習
4 6 2 曲折的探索之路:人工神經網絡的發展歷程
4 6 3 更多深度學習模型
本章小結
習題
第5章 大語言模型
5 1 大語言模型的發展歷程
5 1 1 興起:從判別式模型到生成式模型
5 1 2 發展:GPT系列模型的推動與影響
5 2 大語言模型背後的技術
5 2 1 工作原理:預訓練 + 微調
5 2 2 關鍵要素:模型背後的「大」支撐
5 3 常用的大語言模型及其應用
5 3 1 文生文
5 3 2 文生圖
5 3 3 文生視頻
5 4 案例分析:大語言模型輔助社會科學研究
5 4 1 大語言模型輔助代碼編寫
5 4 2 大語言模型輔助多媒體數據內容分析
本章小結
習題
第6章 數據鏈條和數據生態
6 1 數據鏈條的概念
6 2 數據收集
6 3 數據管理
6 4 數據預處理和轉換
6 5 數據分析:讓數據擁有價值
6 5 1 單個變數的統計分析
6 5 2 多元統計分析
6 6 數據應用與可視化
6 6 1 模型推理、部署和壓縮
6 6 2 可視化
6 7 數字經濟和數據生態
6 7 1 數據的原材料和資產屬性
6 7 2 數字經濟的通常邏輯
6 7 3 數據定價和公平性
6 8 實例
本章小結
習題
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於客服中心或Line或本社留言板留言,我們即儘速上架。
規格說明
大陸簡體正版圖書,訂購後正常情形下約兩周可抵台。
運送方式
已加入購物車
已更新購物車
網路異常,請重新整理