新書推薦：
《
为你想要的生活
》
售價：HK$
66.1
《
关键改变：如何实现自我蜕变
》
售價：HK$
77.3
《
超加工人群：为什么有些食物让人一吃就停不下来
》
售價：HK$
99.7
《
历史的教训（浓缩《文明的故事》精华，总结历史教训的独特见解）
》
售價：HK$
62.7
《
不在场证明谜案（超绝CP陷入冤案！日本文坛超新星推理作家——辻堂梦代表作首次引进！）
》
售價：HK$
58.2
《
明式家具三十年经眼录
》
售價：HK$
524.2
《
敦煌写本文献学（增订本）
》
售價：HK$
221.8
《
耕读史
》
售價：HK$
109.8
|
| 編輯推薦： |
|
国内外已出版了多本关于人工智能的书籍。诚然，很多书籍对人工智能各个细分领域的诸多问题有非常精辟的论述，但对初学者来说显得有些深奥。人工智能范围甚广，是一门典型的交叉学科，因此一两本书很难覆盖所有问题。本书的主要目的是使读者了解人工智能研究和发展的基本轮廓，对人工智能有一个基本的认识，知道目前人工智能研究中的一些热点，掌握人工智能研究和应用中的一些基本的、普遍的、比较广泛的原理和方法。本书通过简洁清晰的架构和引人思索的案例带领读者“入门”人工智能。
|
| 內容簡介： |
|
本书从人工智能的基本定义开始，由浅入深地向读者阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，带领读者登堂入室。作为导论书籍，书中概念论述清楚，内容丰富，通俗易懂，在较为全面介绍人工智能领域进展的基础上对一些传统内容进行了取舍。详细介绍了知识表示、逻辑推理、非确定性推理、搜索策略、机器学习等方面内容。最后一章是有关人工智能的实验，便于读者在所学知识的基础上懂得如何运用。 本书既适合作为高等院校人工智能课程的教材，也适合计算机爱好者阅读。
|
| 關於作者： |
|
吕云翔，1986-1992： 北方交通大学讲师； 1992-1994： 比利时VUB大学应用信息技术硕士； 1994-1996： 比利时VUB大学MBA； 1996-2003： IT公司项目经理 2003-至今： 北航软件学院副教授。已出版二十几本教材（其中“计算机导论实践教程”一书获北航2010年教学成果三等奖；“大学计算机英语教程”获北航2012年教学成果二等奖。
|
| 目錄：
|
第1章绪论
1.1什么是人工智能
1.2人工智能的发展简史
1.3人工智能的研究目标
1.4人工智能的研究方法
1.4.1符号主义研究方法
1.4.2连接主义研究方法
1.4.3行为主义研究方法
1.5人工智能的基本研究内容
1.5.1智能感知
1.5.2智能推理
1.5.3智能学习
1.5.4智能行动
1.6人工智能的应用领域
1.6.1计算机视觉
1.6.2自然语言处理
1.6.3智能体
1.7人工智能的发展趋势
习题
第2章知识表示
2.1有关知识的概述
2.1.1什么是知识
2.1.2什么是知识表示
2.2状态空间表示法
2.2.1问题状态描述
2.2.2状态图示法
2.3谓词逻辑表示法
2.3.1谓词逻辑表示法的逻辑基础
2.3.2谓词逻辑表示法的步骤
2.3.3谓词逻辑表示法的特点
2.4语义网络表示法
2.4.1语义基元
2.4.2语义网络中常用的语义联系
2.4.3语义网络的知识表示方法
2.4.4语义网络的推理过程
2.4.5语义网络表示法的特点
2.5框架表示法
2.5.1框架的基本结构
2.5.2基于框架的推理过程
2.5.3框架表示法的特点
2.6案例： 知识图谱
习题
第3章逻辑推理及方法
3.1逻辑推理概述
3.1.1逻辑推理的定义
3.1.2逻辑推理的分类
3.1.3逻辑推理的控制策略
3.2逻辑推理的基础
3.2.1谓词公式
3.2.2谓词公式的范式
3.2.3置换与合一
3.3归结演绎推理
3.3.1子句集
3.3.2鲁滨逊归结原理
3.3.3归结反演
3.3.4归结策略
3.4非归结演绎推理
3.4.1自然演绎推理
3.4.2与或型演绎推理
3.5案例： 家庭财务分配管理系统
习题
第4章非确定性推理及方法
4.1什么是非确定性推理
4.2基本的概率推理
4.2.1经典概率方法
4.2.2逆概率方法
4.3主观贝叶斯推理
4.3.1非确定性表示
4.3.2非确定性传递
4.3.3结论非确定性的组合
4.4基于可信度的推理
4.4.1可信度理论的非确定性表示
4.4.2非确定性计算
4.4.3非确定性更新
4.4.4结论非确定性的组合
4.5证据理论
4.5.1DS理论
4.5.2非确定性表示
4.5.3非确定性计算
4.5.4非确定性更新
4.6模糊推理
4.6.1模糊理论
4.6.2模糊匹配
4.6.3两种模糊假言推理
4.7案例： 基于朴素贝叶斯方法的垃圾邮件过滤
习题
第5章搜索策略
5.1搜索的基本概念
5.2基于状态空间的盲目搜索
5.2.1状态空间的搜索过程
5.2.2状态空间的广度优先搜索
5.2.3状态空间的深度优先搜索
5.3基于状态空间的启发式搜索
5.3.1动态规划
5.3.2A*算法
5.3.3爬山法
5.3.4模拟退火算法
5.4基于树的盲目搜索
5.4.1与或树的一般性搜索
5.4.2与或树的广度优先搜索
5.4.3与或树的深度优先搜索
5.5基于树的启发式搜索
5.5.1与或树的有序搜索
5.5.2博弈树搜索
5.5.3博弈树的剪枝优化
5.6案例： 无人驾驶中的搜索策略
习题
第6章机器学习
6.1什么是机器学习
6.1.1机器学习的定义
6.1.2统计与机器学习
6.1.3机器学习范式
6.2机器学习的发展
6.3机器学习算法
6.3.1K近邻算法
6.3.2线性回归
6.3.3逻辑回归
6.3.4朴素贝叶斯分类器
6.3.5决策树
6.3.6主成分分析
6.3.7K均值聚类算法
6.4模型评价
6.4.1验证与测试
6.4.2偏差与方差
6.4.3集成学习
6.5案例： 基于梯度提升树预测波士顿房价
习题
第7章深度学习
7.1人工神经网络
7.1.1感知器模型
7.1.2多层感知器
7.1.3激活函数
7.1.4反向传播算法
7.2卷积神经网络
7.2.1卷积
7.2.2池化
7.2.3步长与填充
7.2.4手写数字识别
7.2.5图像分类
7.2.6检测与分割
7.3循环神经网络
7.3.1自然语言处理
7.3.2Elman网络
7.3.3沿时间线的反向传播
7.3.4长短时记忆网络
7.4生成对抗网络
7.4.1生成式模型
7.4.2对抗学习
7.4.3生成对抗网络的变种
7.5深度学习框架
7.5.1TensorFlow
7.5.2PyTorch
7.5.3MXNet
7.5.4Caffe
7.5.5飞桨
7.6深度学习基础设施
7.6.1图形处理器
7.6.2张量处理器
7.6.3分布式训练
7.7案例： 使用Keras进行人脸关键点检测
7.7.1数据集准备
7.7.2数据预处理
7.7.3模型的搭建与训练
习题
第8章大数据
8.1大数据概述
8.1.1“大数据”的三要素
8.1.2大数据技术的发展历程
8.2数据获取——网络爬虫
8.2.1网络爬虫软件
8.2.2爬虫的原理
8.2.3Robots协议
8.3数据分析
8.3.1数据分析项目的落地
8.3.2数据分析方法
8.3.3数据分析工具
8.3.4现状与未来
8.4数据挖掘
8.4.1数据挖掘的流程
8.4.2数据挖掘工具
8.5大数据技术的重要组件
8.5.1HDFS分布式文件系统
8.5.2MapReduce： 分布式运算框架
8.5.3HBase： 可拓展的数据库系统
8.5.4Spark RDD
8.6数据可视化
8.7案例： 使用机器学习算法实现基于用户行为数据的用户分类器
8.7.1数据的特征工程
8.7.2模型的训练及评价指标的计算
8.7.3模型的调参
习题
第9章实验
9.1计算机视觉
9.1.1一个通用的图像分类模型
9.1.2两阶段目标检测和语义分割
9.1.3人物图像处理
9.1.4调用远程服务
9.1.5动漫图像生成
9.2自然语言处理
9.2.1垃圾邮件分类
9.2.2词嵌入技术
9.2.3文本生成与多轮对话
9.2.4语音识别
9.3强化学习
9.4可视化技术
9.4.1使用TensorBoard可视化训练过程
9.4.2卷积核可视化
9.4.3注意力机制可视化
附录APython编程基础
A.1Python简介
A.1.1Python是什么
A.1.2Python的安装
A.1.3初试Python
A.2基本元素
A.2.1四则运算
A.2.2数值类型
A.2.3变量
A.2.4运算符
A.2.5字符串
A.2.6tuple、list与dict
A.3控制语句
A.3.1执行结构
A.3.2控制语句的类型和程序
A.4面向对象编程
A.4.1面向对象简介
A.4.2类
A.4.3对象
A.4.4类和对象的关系
A.4.5面向过程还是对象
参考文献
|
| 內容試閱：
|
进入21世纪以来，我国信息技术飞速发展，完全改变了人们的学习、工作和生活方式。人工智能作为信息科学的一个核心研究领域，从其提出到现在的半个多世纪里，经历了大起大落。近年来，在算力大幅提升与大数据的助力下，人工智能发展之快、应用之广，实在令人惊叹！人工智能正处于一个蓬勃发展、更加深入的阶段。
尽管还存在着一定的局限性，但人工智能的未来是非常值得期待的，提前布局人工智能产业是我国科技发展的基本方向之一。在这一大背景下，各个行业的学习热情很高，人们希望得到指导，尤其希望了解人工智能发展的基本现状，掌握人工智能研究的大致热点和基本原理与方法。
国内外已出版了许多关于人工智能的书籍。诚然，很多书籍对人工智能各个细分领域的诸多问题有非常精辟的论述，但对初学者来说显得有些深奥。人工智能范围甚广，是一门典型的交叉学科，因此一两本书很难覆盖所有问题。本书的主要目的是使读者了解人工智能研究和发展的基本轮廓，对人工智能有一个基本的认识，知道目前人工智能研究中一些热点，掌握人工智能研究和应用中的一些基本的、普遍的、比较广泛的原理和方法。本书通过简洁清晰的架构和引人思索的案例带领读者“入门”人工智能。正所谓“师傅领进门，修行在个人”，之后的研究方向就应该由读者自己选择并钻研了。
由于智能本身就是一个极其复杂的存在，不同的人从不同角度和不同观点出发都可以获得对智能的认识，因此本书也从多个角度对人工智能进行剖析。
全书共分9章。其中第1～5章是传统人工智能教材的内容，第6章、第7章介绍近年来比较流行的机器学习与深度学习方法，第8章介绍大数据相关内容，第9章给出了一些实验。具体内容如下。
第1章是绪论，介绍一些关于人工智能起源、研究目标以及主要应用领域的内容。
第2章是知识表示，主要介绍状态空间和谓词逻辑等基本知识表示方法。
第3章是逻辑推理及方法，从谓词公式的基本语法到3种演绎推理方式，层层递进地介绍逻辑推理的基本方法。
第4章是非确定性推理及方法，介绍主观贝叶斯推理、模糊推理等如何运用知识（即推理）的问题。
第5章是搜索策略，介绍基于状态空间的盲目搜索、基于树的盲目搜索等不同的搜索策略。
第6章是机器学习，介绍近年来比较流行的决策树等经典的机器学习方法。
第7章是深度学习，介绍人工神经网络、卷积神经网络、循环神经网络、生成对抗网络、
深度学习框架、深度学习基础设施等内容。
第8章是大数据，介绍数据的获取、分析、挖掘、可视化等概念，以及大数据技术的重要组件。
第9章是实验，从计算机视觉、自然语言处理、强化学习和可视化技术4个方面展示了人工智能研究和发展的一些应用热点。
配套资源
为了便于教学，本书配有微课视频、人物事件介绍、案例代码、13个实验代码、考试试卷、教学课件、教学大纲、思维导图、习题答案、题库等。
（1） 获取教学视频： 读者可以先扫描本书封底的文泉云盘防盗码，再扫描书中相应的视频二维码，即可
观看教学视频。
（2） 其他资源可先扫描本书封底的文泉云盘防盗码，再扫描下方二维码，即可获取。
教学课件
案例代码
实验代码
习题答案
考试试卷
教学大纲
（3） 考试题库可以扫描本书封底的二维码下载。
在叙述方式上，每一章都讲述理论方法，各章内容相对独立、完整，同时力图用递进的形式来论述这些知识，使全书整体不失系统性。读者可以从头到尾通读，也可以选择个别章节细读。本书对每一章的讲述力求深入浅出，对于一些公式定理，
给出必要的推导证明，提供简单的例子，使初学者易于掌握知识的基本内容，领会所学的本质，并准确地使用该知识方法。对相关的深层理论，则仅予以简述，不做过多的延伸。
本书的主编为吕云翔、王渌汀，梁泽众、尹文志、韩雪婷、朱英豪、陈妙然为副主编，曾洪立进行了部分内容的编写和素材整理及配套资源制作等。
在本书的编写过程中，我们尽量做到仔细、认真，但由于水平有限，还是可能会出现一些不妥之处，欢迎广大读者批评指正。同时，我们也希望广大读者将自己读书学习的心得体会反馈给我们。
编者2022年1月于北京
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
