人工智能通識 叢潤民 李鋒 張偉 等 9787111779773 【台灣高等教育出版社】

*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：202506*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
ISBN：9787111779773
出版社：機械工業
著編譯者：叢潤民 李鋒 張偉 等
頁數：398
所在地：中國大陸 *此為代購商品
書號：1737115
可大量預訂，請先連絡。

內容簡介

本書是一本面向高等學校學生的基礎性通識類教材，旨在引領學生進入人工智能這一前沿領域。 全書內容分為「漲知識」與「開眼界」兩大板塊。在前五章構成的「漲知識」板塊中，系統地介紹了人工智能的概念、發展歷程，以及知識推理和問題求解方法，並介紹了三種典型的人工智能技術，即機器學習、深度學習和強化學習，包括其基礎理論、核心思想、關鍵技術等，幫助學生建立對人工智能的宏觀認知和體系框架。在後五章組成的「開眼界」板塊中，通過對典型應用的介紹，展示了人工智能在視覺感知、具身智能、智慧醫療、智慧生活等方面的廣闊應用前景，並在最後一章探討了大模型、生成式人工智能、AI for Science等前沿技術熱點，旨在開闊學生的視野。 作為一本人門級教材，本書旨在幫助學生建立對人工智能的宏觀認知體系，重在培養學生的人工智能科學素養和科技思維，適合作為理工農醫、人文社科等不同專業學生的通識課程教材。

作者簡介

叢潤民 山東大學控制科學與工程學院教授，博士生導師，教育部青年長江學者、全球前2%頂尖科學家、山東省泰山學者青年專家。研究方向為人工智能、模式識別、機器學習、具身智能，在TPAMI、IJCV、NeurIPS、CVPR、ICML、ICCV等國際頂級期刊和會議上發表論文120餘篇，ESI熱點論文/高被引論文20餘篇。 曾獲天津市科學技術進步一等獎、中國煤炭工業協會科學技術獎一等獎、中國圖象圖形學學會自然科學獎二等獎、IEEEChesterW Sall紀念獎、IEEE傑出領導力獎、CVPR2025運動引導視頻目標分割挑戰賽冠軍、ECCV2024LSVOS指代視頻目標分割挑戰賽冠軍、IEEECVPRNTIRE雙目圖像超分挑戰賽亞軍、IEEEICME最佳學生論文獎亞軍、ACMSIGWEB中國新星獎、中國圖象圖形學學會優秀博士學位論文獎、《信號處理》2020-2022年度優秀論文獎、中國圖象圖形學學會科普先進工作者等。擔任IEEETNNLS等4個SCI期刊編委，山東省人工智能學會常務理事等。 主講教育部-華為智能基座課程3門，獲中國人工智能學會教學成果激勵計劃一類成果、山東省自動化學會普通高等教育教學成果一等獎、華為「棟樑之師」稱號及獎教金，指導中國圖學學會優秀碩士學位論文1項、北京圖象圖形學學會優秀碩士學位論文1項、校優秀碩士學位論文5項、校優秀本科畢業設計（論文）2項等，在國家級/省部級科創比賽中獲獎20項。

目錄

前言
板塊一 漲知識——人工智能基礎理論
第1章 人工智能概述
1 1 什麼是人工智能
1 1 1 人工智能的定義與評估
1 1 2 人工智能基礎
1 2 人工智能發展史
1 3 大模型時代下的人工智能
1 3 1 ChatGPT——走向通用性AI之路
1 3 2 百花齊放的多模態大模型
1 4 人工智能倫理與規範
1 5 人工智能技術展望
1 5 1 人工智能的未來發展
1 5 2 人工智能融入尋常百姓家
1 6 小結
參考文獻
第2章 知識推理與問題求解
2 1 知識表示
2 1 1 知識表示方法
2 1 2 邏輯關係與規則
2 1 3 知識圖譜
2 2 知識推理
2 2 1 概率推理
2 2 2 因果推理
2 2 3 知識圖譜推理
2 3 搜索求解
2 3 1 搜索問題的定義
2 3 2 盲目搜索
2 3 3 啟髮式搜索
2 4 博弈論
2 4 1 博弈論的起源與發展
2 4 2 博弈論的定義與基礎
2 4 3 經典博弈案例分析
2 5 小結
參考文獻
第3章 機器學習基礎
3 1 機器學習概述
3 2 經典算法
3 2 1 監督學習
3 2 2 無監督學習
3 3 模型評估與選擇
3 3 1 經驗誤差與過擬合
3 3 2 評估方法
3 3 3 性能度量
3 4 當代機器學習概述
3 4 1 深度學習
3 4 2 強化學習
3 4 3 圖學習
3 4 4 聯邦學習
3 4 5 遷移學習
3 5 小結
參考文獻
第4章 深度學習
4 1 從感知機到深度神經網絡
4 1 1 感知機
4 1 2 前饋神經網絡
4 1 3 激活函數
4 2 深度學習中的優化與學習
4 2 1 損失函數
4 2 2 梯度下降算法
4 2 3 反向傳播算法
4 3 深度學習框架
4 3 1 Theano
4 3 2 Caffe
4 3 3 TensorFlow
4 3 4 PyTorch
4 3 5 PaddlePaddle
4 3 6 MindSpore
4 4 卷積神經網絡
4 4 1 卷積神經網絡的核心組成
4 4 2 卷積神經網絡的架構探索
4 5 序列到序列模型
4 5 1 序列數據與序列任務
4 5 2 循環神經網絡的原理與結構
4 5 3 基於門控單元的循環神經網絡
4 6 Transformer模型
4 6 1 Transformer的核心組成
4 6 2 Transformer的架構設計
4 7 深度生成模型
4 7 1 概率生成模型
4 7 2 變分自編碼器
4 7 3 生成對抗網絡
4 8 小結
參考文獻
第5章 強化學習
5 1 強化學習基礎
5 1 1 強化學習的發展歷史
5 1 2 強化學習的基本概念
5 1 3 馬爾可夫決策過程
5 1 4 貝爾曼方程
5 2 經典強化學習方法
5 2 1 基於價值函數的方法
5 2 2 基於策略的方法
5 3 深度強化學習
5 4 強化學習的應用
5 4 1 智能機器人與強化學習
5 4 2 自動駕駛與強化學習
5 4 3 金融服務與強化學習
5 4 4 遊戲AI與強化學習
5 5 小結
參考文獻
板塊二 開眼界——人工智能應用實踐
第6章 智能之眼——視覺感知
6 1 計算機視覺及其發展史
6 2 圖像增強
6 2 1 圖像增強概述
6 2 2 典型圖像增強任務
6 3 圖像分類
6 3 1 圖像分類概述
6 3 2 細粒度圖像分類
6 4 目標檢測
6 4 1 目標檢測概述
6 4 2 經典目標檢測方法
6 5 圖像分割
6 5 1 圖像分割概述
6 5 2 經典語義分割模型
6 6 三維視覺
6 6 1 三維視覺概述
6 6 2 典型三維視覺任務
6 7 小結
參考文獻
第7章 智能之軀——具身智能
7 1 具身智能概述
7 1 1 具身智能的基本概念
7 1 2 具身智能的核心要素
7 1 3 具身智能與傳統人工智能
7 1 4 具身智能的意義與價值
7 2 具身智能的核心技術
7 2 1 具身智能的系統框架
7 2 2 具身智能的典型實現路徑
7 2 3 模擬到真實的遷移
7 3 具身智能的典型應用
7 3 1 智能機器人操作任務
7 3 2 服務機器人導航任務
7 4 具身智能的發展前沿與展望
7 4 1 具身智能大模型
7 4 2 具身智能的未來挑戰
7 5 小結
參考文獻
第8章 AI衛士——智慧醫療
8 1 智慧醫療概述
8 1 1 智慧醫療的概念
8 1 2 智慧醫療數據
8 1 3 智慧醫療關鍵技術
8 2 智慧醫療的應用
8 2 1 臨床診斷與治療
8 2 2 遠程醫療與在線問診
8 2 3 藥物研發與個性化醫療
8 2 4 中醫藥應用
8 3 智慧醫療面臨的挑戰與前景
8 3 1 智
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。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。