商业 类型
可以朗读 语音朗读
185千字 字数
2021-05-01 发行日期
展开全部

主编推荐语

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。

内容简介

本书共10章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重技术发展变化。本书既可作为高校大数据专业、云计算专业、人工智能技术专业、信息管理专业、计算机网络专业的教材，又可作为人工智能与大数据爱好者的参考书。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 第1章 人工智能概述
  • 1.1 人工智能简介
  • 1.1.1 人工智能的定义
  • 1.1.2 人工智能的特点
  • 1.1.3 人工智能的分类
  • 1.2 人工智能的起源与发展
  • 1.2.1 人工智能的历史
  • 1.2.2 我国的人工智能发展现状
  • 1.3 人工智能的研究内容
  • 1.3.1 认知建模
  • 1.3.2 知识表示
  • 1.3.3 知识应用
  • 1.3.4 推理
  • 1.3.5 机器感知
  • 1.3.6 机器思维
  • 1.3.7 机器学习
  • 1.3.8 机器行为
  • 1.4 人工智能领域的著名专家与代表性人物
  • 1.4.1 艾伦·图灵
  • 1.4.2 斯图尔特·罗素
  • 1.4.3 斯蒂芬·霍金
  • 1.4.4 贾斯汀·卡塞尔
  • 1.4.5 约翰·麦卡锡
  • 1.4.6 吴恩达
  • 1.4.7 德米什·哈萨比斯
  • 1.5 人工智能研究的主要学派
  • 1.5.1 符号主义
  • 1.5.2 连接主义
  • 1.5.3 行为主义
  • 1.6 人工智能的应用
  • 1.6.1 专家系统
  • 1.6.2 自然语言处理
  • 1.6.3 博弈
  • 1.6.4 搜索
  • 1.6.5 感知问题
  • 1.6.6 模式识别
  • 1.6.7 机器人学
  • 1.7 小结
  • 1.8 习题
  • 第2章 人工智能基础知识
  • 2.1 人工智能的数学基础
  • 2.1.1 微积分
  • 2.1.2 线性代数
  • 2.1.3 概率论与数理统计
  • 2.1.4 最优化理论
  • 2.1.5 形式逻辑
  • 2.2 人工智能的常用工具
  • 2.2.1 TensorFlow
  • 2.2.2 Mahout
  • 2.2.3 Torch
  • 2.2.4 Spark MLlib
  • 2.2.5 Keras
  • 2.2.6 CNTK
  • 2.3 数据采集
  • 2.3.1 数据采集的概念
  • 2.3.2 数据采集的常见方法
  • 2.4 数据存储
  • 2.4.1 数据存储的概念
  • 2.4.2 数据存储的方式
  • 2.5 数据清洗
  • 2.5.1 数据清洗的概念
  • 2.5.2 数据清洗的原理
  • 2.5.3 数据清洗的应用领域
  • 2.5.4 数据清洗的评估
  • 2.6 数据分析
  • 2.6.1 大数据分析概述
  • 2.6.2 大数据分析的主要类型
  • 2.6.3 数据挖掘
  • 2.6.4 数据可视化
  • 2.7 小结
  • 2.8 习题
  • 第3章 机器学习
  • 3.1 机器学习概述
  • 3.1.1 机器学习简介
  • 3.1.2 机器学习的发展
  • 3.1.3 机器学习的应用前景
  • 3.1.4 机器学习的未来
  • 3.2 机器学习的分类
  • 3.2.1 监督学习
  • 3.2.2 无监督学习
  • 3.2.3 半监督学习
  • 3.2.4 迁移学习
  • 3.2.5 强化学习
  • 3.3 机器学习常用算法
  • 3.3.1 回归算法
  • 3.3.2 聚类算法
  • 3.3.3 降维算法
  • 3.3.4 决策树算法
  • 3.3.5 贝叶斯算法
  • 3.3.6 支持向量机算法
  • 3.3.7 关联规则算法
  • 3.3.8 遗传算法
  • 3.4 小结
  • 3.5 习题
  • 第4章 深度学习
  • 4.1 神经网络
  • 4.1.1 神经网络简介
  • 4.1.2 神经网络发展历史
  • 4.1.3 单个神经元
  • 4.1.4 神经网络的结构
  • 4.1.5 神经网络的学习
  • 4.1.6 激活函数
  • 4.1.7 损失函数
  • 4.2 感知机
  • 4.2.1 感知机简介
  • 4.2.2 多层感知机
  • 4.3 卷积神经网络
  • 4.3.1 卷积神经网络简介
  • 4.3.2 卷积神经网络的结构
  • 4.3.3 常用的卷积神经网络
  • 4.4 循环神经网络
  • 4.4.1 循环神经网络简介
  • 4.4.2 循环神经网络的结构
  • 4.4.3 常用的循环神经网络
  • 4.5 生成对抗网络
  • 4.5.1 生成对抗网络简介
  • 4.5.2 生成对抗网络的结构
  • 4.5.3 常用的生成对抗网络
  • 4.6 深度学习的应用
  • 4.6.1 AlphaGo Zero
  • 4.6.2 自动驾驶
  • 4.7 小结
  • 4.8 习题
  • 第5章 计算机视觉
  • 5.1 计算机视觉概述
  • 5.1.1 计算机视觉简介
  • 5.1.2 计算机视觉的发展历史
  • 5.1.3 计算机视觉研究的意义
  • 5.1.4 计算机视觉的应用及面临的挑战
  • 5.2 图像分类
  • 5.2.1 图像分类简介
  • 5.2.2 图像分类算法
  • 5.3 目标检测
  • 5.3.1 目标检测简介
  • 5.3.2 目标检测框架模型
  • 5.4 图像分割
  • 5.4.1 图像分割简介
  • 5.4.2 图像分割算法
  • 5.5 小结
  • 5.6 习题
  • 第6章 自然语言处理
  • 6.1 自然语言处理简介
  • 6.1.1 自然语言处理的定义
  • 6.1.2 自然语言处理的发展历程
  • 6.1.3 自然语言处理的研究方向
  • 6.1.4 自然语言处理的一般工作原理
  • 6.2 自然语言处理的组成
  • 6.3 自然语言理解
  • 6.3.1 自然语言理解的层次
  • 6.3.2 词法分析
  • 6.3.3 句法分析
  • 6.3.4 语义分析
  • 6.4 信息检索
  • 6.4.1 信息检索简介
  • 6.4.2 信息检索的发展历程
  • 6.4.3 信息检索的特点
  • 6.4.4 信息检索的基本原理
  • 6.4.5 信息检索的类型
  • 6.4.6 信息检索的应用
  • 6.5 机器翻译
  • 6.5.1 机器翻译的基本模式
  • 6.5.2 统计机器翻译
  • 6.5.3 机器翻译的应用
  • 6.6 情感分析
  • 6.6.1 情感分析概述
  • 6.6.2 情感分析的定义
  • 6.6.3 情感分析的任务
  • 6.6.4 情感分析的应用
  • 6.6.5 情感分析面临的困难与挑战
  • 6.7 语音识别
  • 6.7.1 语音识别的定义
  • 6.7.2 语音识别的发展历程
  • 6.7.3 语音识别的基本原理
  • 6.7.4 语音识别的应用
  • 6.8 自然语言处理面临的问题和展望
  • 6.8.1 自然语言处理面临的问题
  • 6.8.2 自然语言处理的展望
  • 6.9 小结
  • 6.10 习题
  • 第7章 知识图谱
  • 7.1 知识图谱简介
  • 7.1.1 知识图谱的定义
  • 7.1.2 知识图谱的发展历史
  • 7.1.3 知识图谱的类型
  • 7.1.4 知识图谱的重要性
  • 7.2 知识表示和知识建模
  • 7.2.1 知识表示
  • 7.2.2 知识建模
  • 7.3 知识抽取
  • 7.3.1 实体抽取
  • 7.3.2 关系抽取
  • 7.3.3 属性抽取
  • 7.4 知识存储
  • 7.4.1 知识存储概述
  • 7.4.2 知识存储方式
  • 7.4.3 知识存储工具
  • 7.5 知识融合
  • 7.5.1 知识融合概述
  • 7.5.2 知识融合过程
  • 7.6 知识推理
  • 7.6.1 知识图谱的表示
  • 7.6.2 并行知识推理
  • 7.6.3 实体关系知识推理
  • 7.6.4 模式归纳知识推理
  • 7.7 知识图谱的应用
  • 7.7.1 语义搜索
  • 7.7.2 问答系统
  • 7.8 小结
  • 7.9 习题
  • 第8章 人工智能技术应用场景
  • 8.1 智慧交通
  • 8.1.1 智慧交通的概念
  • 8.1.2 智慧交通中的人工智能应用
  • 8.1.3 智慧交通中的核心技术
  • 8.2 智慧电商
  • 8.2.1 智慧电商的概念
  • 8.2.2 智慧电商中的人工智能应用
  • 8.2.3 智慧电商案例分析
  • 8.3 智能医学
  • 8.3.1 智能医学的概念
  • 8.3.2 智能医学的发展历程
  • 8.3.3 智能医学涵盖的内容
  • 8.3.4 医学中的人工智能应用
  • 8.3.5 智能医学的发展
  • 8.4 智能制造
  • 8.4.1 智能制造的概念
  • 8.4.2 智能制造的特征
  • 8.4.3 智能制造中的人工智能应用
  • 8.4.4 智能制造的发展
  • 8.5 小结
  • 8.6 习题
  • 第9章 智能机器人
  • 9.1 智能机器人概述
  • 9.1.1 机器人简介
  • 9.1.2 认识智能机器人
  • 9.1.3 智能机器人的发展现状
  • 9.1.4 智能机器人的前景
  • 9.2 智能机器人的核心技术
  • 9.2.1 定位导航
  • 9.2.2 人机交互
  • 9.3 智能机器人的应用
  • 9.4 小结
  • 9.5 习题
  • 第10章 人工智能的挑战与未来
  • 10.1 人工智能的挑战
  • 10.1.1 数据
  • 10.1.2 算法模型可解释性
  • 10.1.3 业务场景理解
  • 10.1.4 服务方式
  • 10.1.5 投入产出比
  • 10.2 人工智能对社会的影响
  • 10.2.1 人工智能对教育与就业的影响
  • 10.2.2 人工智能对隐私与安全的影响
  • 10.3 人工智能的未来
  • 10.3.1 人工智能未来的发展趋势
  • 10.3.2 人工智能未来的技术发展方向
  • 10.3.3 人工智能未来的应用趋势
  • 10.4 小结
  • 10.5 习题
  • 参考文献
展开全部

评分及书评

评分不足
2个评分
  • 用户头像
    给这本书评了
    5.0

    学习了解人工智能不错的入门书籍。

      转发
      评论

    出版方

    人民邮电出版社

    人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。