人工智能概論-面向通識課程 張娜娜 9787121503733 【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：人工智能概論-面向通識課程
ISBN：9787121503733
出版社：電子工業
著編譯者：張娜娜
頁數：236
所在地：中國大陸 *此為代購商品
書號：1745264
可大量預訂，請先連絡。

內容簡介
本書從實用性和先進性出發，較全面地介紹人工智能的發展脈絡、基本理論以及現代人工智能新技術與應用案例。全書共7章，第1章 緒論，介紹人工智能的概念和發展簡史，當前發展方向、研究熱點，基本研究內容、所採用的研究方法；第2章 討論傳統經典人工智能的知識表示、知識工程、搜索技術、群智能算法、知識圖譜、專家系統和規劃技術等基本知識，同時闡明人工智能研究中的數學基礎和作用；第3章 主要介紹實踐人工智能應用的編程語言Python；第4章 主要以Scikit-learn為基礎介紹機器學習的基礎知識和實踐案例；第5章 為人工神經網絡與深度學習，內容包括BP神經網絡、卷積神經網絡CNN、循環神經網絡RNN以及生成對抗網絡GAN及其相關應用案例，並簡單介紹深度學習工具；第6章 討論人工智能的應用領域，包括計算機視覺、自然語言處理、語音識別、專家系統、知識圖譜、多智能體和智能機器人等；第7章 介紹新一代人工智能技術，對未來人工智能的發展方向和趨勢進行展望，提出了當前面臨的風險和挑戰。本書提供配套電子課件PPT、源代碼等電子資源。本書可作為高等院校本科教材。

作者簡介
張娜娜，上海建橋學院信息學院系主任，副教授，上海市計算機基礎教育協會理事，上海市高等學校信息技術水平考試委員會委員，長期從事計算機導論、大學信息技術、數字媒體基礎、人工智能概論等課程的教學工作。

目錄

目 錄
第1章 緒論 1
1 1 人工智能的概念 1
1 2 人工智能的發展簡史 2
1 3 人工智能的發展方向 5
1 4 人工智能的研究內容和研究方法 6
1 5 本章 小結 7
習題1 8
第2章 經典人工智能及數學基礎 10
2 1 經典人工智能的研究內容 10
2 2 經典人工智能的研究目標與研究路徑 10
2 2 1 概念表示 11
2 2 2 知識表示 11
2 2 3 知識工程 12
2 2 4 知識圖譜 12
2 2 5 搜索技術 13
2 2 6 群智能算法 14
2 2 7 專家系統 16
2 2 8 規劃技術 16
2 3 數學基礎 17
2 3 1 人工智能必備的數學基礎 17
2 3 2 數學在人工智能中的作用 17
2 3 3 數學在人工智能中的支撐作用 20
2 4 本章 小結 21
習題2 21
第3章 人工智能編程基礎 24
3 1 人工智能編程環境 24
3 2 Anaconda環境的搭建 25
3 2 1 Windows下Anaconda環境的搭建 25
3 2 2 macOS下Anaconda環境的搭建 28
3 2 3 Linux下Anaconda環境的搭建 29
3 3 Python語法基礎 31
3 3 1 Python語言的特點 31
3 3 2 Python編程第一步 32
3 3 3 Python基本語法 32
3 3 4 基本數據類型 34
3 3 5 變量 35
3 3 6 運算符與表達式 37
3 3 7 控制流 39
3 3 8 數據結構 46
3 3 9 輸入與輸出 58
3 3 10 函數 59
3 3 11 類和對象 61
3 3 12 文件操作 66
3 4 Python模塊和包 68
3 4 1 模塊 68
3 4 2 包 70
3 4 3
第三方庫 71
3 5 本章 小結 73
習題3 73
第4章 機器學習 77
4 1 機器學習簡介 77
4 1 1 塞繆爾的跳棋 77
4 1 2 淺層學習與深度學習 78
4 2 淺層學習 80
4 2 1 監督學習 80
4 2 2 無監督學習 80
4 2 3 弱監督學習 80
4 2 4 強化學習 81
4 3 數據集和數據集預處理 81
4 3 1 數據集 81
4 3 2 數據預處理 82
4 3 3 數據集分割 86
4 4 模型評估 89
4 4 1 欠擬合、過擬合、適度擬合 89
4 4 2 分類評價指標 90
4 4 3 回歸評價指標 91
4 5 常用機器學習算法 92
4 5 1 線性回歸 92
4 5 2 支持向量機 94
4 5 3 樸素貝葉斯 98
4 5 4 邏輯回歸 99
4 5 5 K最近鄰算法 101
4 5 6 決策樹 103
4 5 7 隨機森林 105
4 5 8 梯度提升決策樹 107
4 5 9 K均值聚類 109
4 5 10 層次聚類 112
4 5 11 DBSCAN聚類 114
4 5 12 主成分分析 117
4 6 本章 小結 119
習題4 119
第5章 人工神經網絡與深度學習 122
5 1 人工神經網絡 122
5 1 1 人工神經網絡的發展歷程 123
5 1 2 人工神經網絡簡介 125
5 2 BP神經網絡 128
5 2 1 BP神經網絡的背景及原理 128
5 2 2 BP算法的基本思想 131
5 2 3 BP神經網絡算法實現 133
5 3 卷積神經網絡 137
5 3 1 CNN的原理 139
5 3 2 經典的CNN 144
5 3 3 CNN應用案例 147
5 4 循環神經網絡 150
5 4 1 RNN的原理與演變 150
5 4 2 RNN應用案例 153
5 5 生成對抗網絡 156
5 5 1 GAN原理 156
5 5 2 GAN應用案例 159
5 6 深度學習工具 162
5 7 本章 小結 163
習題5 163
第6章 人工智能應用 167
6 1 計算機視覺 167
6 1 1 十大算法模型 167
6 1 2 典型應用 171
6 2 自然語言處理 171
6 3 語音識別 172
6 4 專家系統 173
6 5 知識圖譜 176
6 6 多智能體 180
6 7 智能機器人 181
6 8 本章 小結 185
習題6 185
第7章 新一代人工智能技術 188
7 1 人工智能技術的現狀 188
7 1 1 ChatGPT 188
7 1 2 DeepSeek 191
7 1 3 其他大模型 196
7 2 人工智能技術展望 199
7 2 1 弱人工智能與強人工智能 199
7 2 2 人工智能的風險與挑戰 201
7 3 本章 小結 202
習題7 202
附錄A 與本書相關的軟件及其需獨立安裝的第三方庫列表 205
附錄B 機器學習的數學基礎 206
B 1 高等數學 206
B 2 線性代數 211
B 3 概率論和數理統計 217
參考文獻 225

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。