本書全面介紹人工智能的基本原理,以及相關研究領域的核心內(nèi)容、最新進展與發(fā)展方向。本書深入講解人工智能的核心技術(shù),并以5個經(jīng)典學習案例貫穿全書,涵蓋計算機視覺和自然語言處理兩大重要應用領域。
全書共6章,主要內(nèi)容包括人工智能、機器學習、深度學習、計算機視覺、自然語言處理、智能機器人。本書特別強調(diào)實踐性,每個案例都結(jié)合實際應用,有助于讀者掌握經(jīng)典神經(jīng)網(wǎng)絡結(jié)構(gòu)并進入人工智能領域從事相關工作。
本書可作為高等院校計算機類、軟件工程、人工智能等相關專業(yè)的人工智能課程的教材,也可作為感興趣讀者的自學讀物,還可作為相關行業(yè)技術(shù)人員的參考用書。
本書全面介紹人工智能的基本原理,深入講解人工智能的核心技術(shù),并以5個經(jīng)典學習案例貫穿全書,涵蓋計算機視覺和自然語言處理兩大重要應用領域。
黨的二十大報告指出: 教育、科技、人才是全面建設社會主義現(xiàn)代化國家的基礎性、戰(zhàn)略性支撐。必須堅持科技是優(yōu)質(zhì)生產(chǎn)力、人才是優(yōu)質(zhì)資源、創(chuàng)新是優(yōu)質(zhì)動力,深入實施科教興國戰(zhàn)略、人才強國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,這三大戰(zhàn)略共同服務于創(chuàng)新型國家的建設。高等教育與經(jīng)濟社會發(fā)展緊密相連,對促進就業(yè)創(chuàng)業(yè)、助力經(jīng)濟社會發(fā)展、增進人民福祉具有重要意義。
人工智能作為一門新興的交叉學科,已經(jīng)迅速發(fā)展成為21世紀科技創(chuàng)新的核心驅(qū)動力之一。隨著計算能力、數(shù)據(jù)存儲能力和算法不斷取得突破,人工智能技術(shù)的應用已經(jīng)從初期的理論探索階段,邁向了深刻影響經(jīng)濟、產(chǎn)業(yè)和社會的實際應用層面。人工智能不僅是計算機科學的一部分,它與數(shù)學、心理學、神經(jīng)科學、哲學等多個學科交織融合,形成了一個復雜而龐大的技術(shù)體系。正因如此,人工智能被譽為21世紀科技創(chuàng)新的萬能鑰匙,它的應用已經(jīng)滲透到生活的各個層面,正在重新塑造人類的生活方式和工作模式。
我國早在2017年就明確將人工智能列為國家發(fā)展的重點戰(zhàn)略。2018年,發(fā)布了《高等學校人工智能創(chuàng)新行動計劃》。該計劃特別強調(diào),未來我國的高校應成為人工智能創(chuàng)新中心的核心力量,成為推動國家人工智能戰(zhàn)略實施的核心引擎。為此,鼓勵高校在專業(yè)課程、學科建設、人才培養(yǎng)等方面進行深度改革,推動人工智能學科與其他相關學科的交叉融合,提升綜合性研究能力。同時,政府對高校人工智能教育的投入也在持續(xù)增加,為高校提供更加豐富的科研資源和實踐平臺,以培養(yǎng)更多能夠適應新一代人工智能技術(shù)需求的創(chuàng)新型人才。
人工智能導論作為一門綜合性較強的計算機專業(yè)核心課程,緊密契合國家對人工智能發(fā)展戰(zhàn)略的需求。課程內(nèi)容覆蓋人工智能的基本理論框架,涵蓋多個學科和領域,旨在為學生提供全面、系統(tǒng)的人工智能基礎知識,為未來人工智能領域的深造和應用打下堅實的基礎。
本書的主要特點如下。
(1) 跨學科。人工智能跨越計算機、數(shù)學、神經(jīng)科學、心理學等多個學科,課程內(nèi)容豐富多樣,要求學生具備廣泛的科學素養(yǎng)和扎實的基礎知識。
(2) 綜合性。本書涵蓋了人工智能的基本理論框架,包括知識表示、推理、搜索、規(guī)劃、機器學習、神經(jīng)網(wǎng)絡、自然語言處理和計算機視覺等多個子領域,提供了對人工智能學科的全面概覽。
(3) 前沿性。在深入講解基本原理與方法的基礎上,納入的人工智能技術(shù)和發(fā)展動態(tài),引入深度學習、大語言模型和智能機器人等當前最具影響力的技術(shù),使學生能夠了解行業(yè)前沿進展及人工智能的先進工具與解決方案。
(4) 實踐性。除理論知識外,本書還在實踐中介紹編程語言、機器學習算法和人工智能框架,以加深學生對理論的理解,鍛煉其分析、設計和工程能力,從而為其未來人工智能領域就業(yè)或深造奠定堅實的實踐基礎。
本書源自作者多年的教學實踐。目前,課程視頻在嗶哩嗶哩平臺上已超過16萬次播放,并收獲了大量本科和研究生的高度評價。許多學生表示,這是他們接觸人工智能以來最適合入門的課程,這也是本書編寫的初衷和動力所在。根據(jù)來自線上和線下的教學反饋意見,作者深刻感受到廣大學生對一本簡單易懂、適合入門的人工智能教材的強烈需求,以及理論與實踐結(jié)合的重要性。與市面上大部分人工智能同類教材相比,本書刪減了冗繁、生澀的內(nèi)容,摒棄了水漫金山式灌輸?shù)膶懽鞣绞,避免了學生課上昏昏欲睡、課下自學乏力的教學困境,為應用型本科和高職院校的學生提供了一條清晰、實踐導向的學習路徑,力求將人工智能基本概念與核心技術(shù)以更加直觀和高效的方式呈現(xiàn),確保學生能夠在理論與實踐的結(jié)合中獲得深刻理解。
為便于教學,本書提供豐富的配套資源,包括教學課件、教學大綱、程序源碼、習題答案和微課視頻。
人工智能導論與實踐(微課視頻版)
前言
資源下載提示
課件資源: 掃描目錄上方的二維碼獲取下載方式。
微課視頻: 掃描封底的文泉云盤防盜碼,再掃描書中相應章節(jié)的視頻講解二維碼,可以在線學習。
本書由何東彬擔任主編并負責統(tǒng)稿工作。在本書的編寫過程中,何東彬負責第3~5章的主要編寫工作,楊爭艷負責第1、2章的編寫工作,宋宇斐負責第6章的編寫工作,朱艷紅負責第4、5章的部分編寫工作及全書的審稿、校訂工作,李慧和游紫暄參與了本書的插圖繪制和表格設計等工作。本書得到了產(chǎn)學合作協(xié)同育人項目人工智能導論課程師資培訓項目,河北省教育廳創(chuàng)新創(chuàng)業(yè)基礎課程《人工智能導論》,石家莊學院教學改革研究與實踐項目《基于學科競賽的產(chǎn)學研協(xié)同育人創(chuàng)新培養(yǎng)模式研究》(項目編號: JGXM202304Z)等的支持。
最后,感謝所有在本書編寫過程中提供支持的、同事和家人。在未來的版本中,作者將繼續(xù)完善內(nèi)容,同步的技術(shù)發(fā)展和研究成果,以更好地服務于廣大學習者,推動人工智能學科的發(fā)展和人才的培養(yǎng)。
由于作者水平所限,書中難免存在疏漏之處,懇請讀者批評指正。
作者2025年6月
第1章人工智能
1.1人工智能概述
1.1.1人工智能的定義
1.1.2人工智能的歷史
1.2人工智能的研究內(nèi)容
1.2.1認知建模
1.2.2知識表示
1.2.3自動推理
1.2.4機器感知
1.2.5機器思維
1.3人工智能技術(shù)分類
1.3.1機器學習
1.3.2深度學習
1.3.3自然語言處理
1.3.4計算機視覺
1.3.5專家系統(tǒng)
1.3.6智能機器人
1.4人工智能應用
1.4.1智慧醫(yī)療
1.4.2智能金融
1.4.3智能制造
1.4.4自動駕駛
1.4.5智能家居
習題
第2章機器學習
2.1機器學習概述
2.2機器學習方法
2.2.1有監(jiān)督學習
2.2.2無監(jiān)督學習
2.2.3遷移學習
2.2.4強化學習
2.3分類與回歸
2.3.1分類模型
2.3.2回歸模型
2.4機器學習庫
2.4.1TensorFlow
2.4.2Keras
2.4.3PyTorch
2.4.4Scikitlearn
2.4.5NumPy
2.4.6Pandas
2.4.7Matplotlib
2.5項目實踐
2.5.1環(huán)境安裝
2.5.2PyTorch基礎
習題
人工智能導論與實踐(微課視頻版)
目錄
第3章深度學習
3.1神經(jīng)網(wǎng)絡
3.1.1神經(jīng)網(wǎng)絡簡介
3.1.2神經(jīng)網(wǎng)絡發(fā)展史
3.1.3神經(jīng)網(wǎng)絡模型
3.2學習案例1: 房價預測
3.2.1線性回歸模型
3.2.2模型參數(shù)確定
3.2.3模型評估方法
3.2.4梯度下降算法
3.2.5PyTorch中的梯度下降
3.2.6模型訓練中的優(yōu)化問題
3.2.7神經(jīng)網(wǎng)絡類
3.3學習案例2: 乳腺癌預測
3.3.1數(shù)據(jù)處理
3.3.2神經(jīng)網(wǎng)絡類定義
3.3.3模型訓練與預測
習題
第4章計算機視覺
4.1計算機視覺概述
4.1.1計算機視覺簡介
4.1.2計算機視覺發(fā)展史
4.1.3計算機視覺應用與挑戰(zhàn)
4.2學習案例3: 手寫數(shù)字識別
4.2.1計算機圖像的表示
4.2.2數(shù)據(jù)處理
4.2.3二分類與多分類
4.2.4多層神經(jīng)網(wǎng)絡
4.3學習案例4: CIFAR10圖像分類
4.3.1CIFAR10簡介
4.3.2卷積神經(jīng)網(wǎng)絡
4.3.3卷積層
4.3.4池化層
4.3.5多層處理
4.3.6全連接層
4.3.7構(gòu)建CIFAR10分類網(wǎng)絡
習題
第5章自然語言處理
5.1自然語言處理概述
5.1.1自然語言處理簡介
5.1.2自然語言處理發(fā)展史
5.1.3自然語言處理應用與挑戰(zhàn)
5.2文本預處理
5.2.1分詞
5.2.2停用詞
5.2.3詞的文本表示
5.3語言模型
5.3.1語言模型的定義和應用
5.3.2統(tǒng)計語言模型
5.3.3神經(jīng)網(wǎng)絡語言模型
5.4學習案例5: 情感分析
5.4.1獲取IMDB影評數(shù)據(jù)集
5.4.2數(shù)據(jù)預處理
5.4.3字典編碼
5.4.4數(shù)據(jù)分批
5.4.5情感分析神經(jīng)網(wǎng)絡類
5.4.6訓練與測試
習題
第6章智能機器人
6.1大語言模型
6.1.1大語言模型簡介
6.1.2大語言模型發(fā)展史
6.1.3應用、趨勢與發(fā)展
6.2智能機器人概述
6.2.1機器人簡介
6.2.2認識智能機器人
6.2.3智能機器人的發(fā)展現(xiàn)狀
6.2.4智能機器人的前景
6.3智能機器人的核心技術(shù)
6.3.1感知技術(shù)
6.3.2路徑規(guī)劃
6.3.3定位導航
6.3.4人機交互
6.3.5自主學習
6.4智能機器人的應用
習題
參考文獻