





定价:49.8元
印次:1-1
ISBN:9787302688778
出版日期:2025.05.01
印刷日期:2025.04.17
图书责编:张玥
图书分类:教材
"1.本书较全面地介绍了人工智能的主流概念、理论、方法、技术及应用等内容。主要内容包括:。知识完整,系统全面,内容选取恰当,深入浅出,既可作为基础入门书籍,也可作为进阶实战书籍。同时配有完备的微课视频,同步讲解,可满足线上线下不同读者的需求。 2.本书内容实用,注重应用。在系统介绍基本理论知识的同时,注重与现实问题及解决方法相结合,全书中拥有近百个开发范例及实战知识点,使读者不仅可以学习人工智能,还能实现其实际应用。 3.本书可作为高等院校人工智能、大数据、机器人工程等新工科专业以及计算机科学与技术、电子科学与技术、控制工程与科学、智能科学与技术、机械、数学等相关理工科专业的本科生与研究生的课程教材,也可供哲学、经贸、管理、金融、财会、法律、人文社科等非理工科专业的学生作为选修课教材,还可作为从事自然科学、社会科学、科学普及以及人工智能交叉学科研究的科研人员、学者及爱好者的参考入门用书。"
方勇纯,南开大学教授,博士生导师。分别于1996年和1999年获得浙江大学本科和硕士学位,2002年获美国克莱姆森大学博士学位,2002年至2003年在美国康奈尔大学进行博士后研究,2003年至今,任教于南开大学。2006年,入选教育部新世纪优秀人才支持计划;2009年,获“天津市优秀留学人员”称号;2011年,获天津青年五四奖章;2013年获国家自然科学基金杰出青年基金资助;2014年获宝钢优秀教师奖;2017年入选教育部长江学者特聘教授,同年获吴文俊人工智能自然科学一等奖;2018年获天津市自然科学一等奖和天津市教学成果一等奖;2019年,入选国家百千万人才工程,同年获南开大学首届教育教学奖-杰出贡献奖;2020年,获国务院政府特殊津贴。
前言 在这个信息化快速发展的时代,人工智能已成为科技进步的标志性成就之一,影响着从自动化工具到决策支持系统的方方面面。当前,智能科技人才是我国社会经济发展的迫切需求,而高水平教材可以为智能科技人才培养提供关键性支撑。 《人工智能导论(微课视频版)》是为了促进智能科技人才培养与最新研究成果紧密结合,适应研究型大学人才培养需要编写的一本高水平教材。全书旨在让读者理解人工智能技术的基本概念和原理方法,如机器学习、深度学习、强化学习、计算机视觉、自然语言处理等。同时,为了提升学以致用的能力,本书深入剖析了人工智能应用的一些典型实例,使读者更好地理解智能技术在相关领域的实际应用。全书配套由多位知名教授精心录制的微课视频,以加强与读者的互动。在这个智能化时代,力求使对于智能技术本身的学习变得更为直观生动。 本书在内容安排上由浅入深,层次清晰,并将原理介绍与应用分析融为一体。全书共10章,可分为3部分。前3章主要介绍人工智能的基本概念及发展情况、软硬件平台和优化算法基础;第4~6章介绍人工智能学习算法;第7~10章则偏重从应用角度阐述人工智能技术。具体而言,第1章介绍人工智能的基本概念、发展历史、主要研究内容及新兴发展方向;第2章探讨人工智能相关的软硬件平台等基础知识;第3章介绍面向人工智能的优化算法;第4章介绍机器学习中的监督学习、非监督学习、强化学习等核心概念和技术,阐述了机器学习的常用算法;第5章介绍深度学习,包括深度神经网络基本原理,以及卷积神经网络、循环神经网络等典型的深度神经网络;第6章介绍强化学习中的理论基础和基本概念,阐释经典强化学习算法及应用案例;第7章介绍计...
第1章人工智能概述1
1.1什么是人工智能1
1.2人工智能的发展历程1
1.2.1初创时期(1936—1956)3
1.2.2形成时期(1957—1969)4
1.2.3低谷时期(1970—1992)4
1.2.4发展时期(1993—2011)5
1.2.5突破时期(2012年至今)6
1.3机器能否真正拥有智能7
1.3.1图灵测试8
1.3.2中文屋9
1.4人工智能的主要研究内容10
1.4.1机器学习10
1.4.2深度学习11
1.4.3强化学习13
1.4.4计算机视觉14
1.4.5自然语言处理15
1.4.6智能博弈17
1.4.7智能机器人18
1.4.8人工智能的新兴研究方向19
1.5习题20
参考文献20
第2章人工智能软硬件平台基础21
2.1硬件平台21
2.1.1智能芯片21
2.1.2人工智能芯片的发展方向23
2.2软件平台23
2.2.1人工智能开发框架23
2.2.2经典的人工智能开发框架24
2.2.3人工智能云平台29
2.3Python基础31
2.3.1Python的安装31
2.3.2Python编程基础31
2.3.3文件操作32
2.3.4第三方模块的使用32
2.3.5NumPy与SciPy以及Matplotlib的使用32
2.4习题33
参考文献33
第3章面向人工智能的优化算法35
3.1人工智能优化算法概论35
3.2无约束优化算法37
3.2.1盲人下山37
3.2.2梯度下降法38
3.2.3牛顿法39...