《人工智慧套用基礎》是2021年電子工業出版社出版的圖書，作者是莫小泉。
基本介紹
- 中文名：人工智慧套用基礎
- 作者：莫小泉
- 出版時間：2021年
- 出版社：電子工業出版社
- 頁數：320 頁
- ISBN：9787121416811
- 類別： 人工智慧類圖書
- 開本：16 開
- 裝幀：平裝-膠訂
內容簡介,作者簡介,圖書目錄,
內容簡介
本書首先從人工智慧的定義講起，就人工智慧的早期歷史、思維和智慧型的內涵、新千年人工智慧的發展進行了簡要論述。第二部分詳細講述了人工智慧中的知識表示、機器學習、神經網路與深度學習、智慧型語音技術、計算機視覺、自然語言處理和知識圖譜技術等基礎知識，並通過人工智慧在醫療、交通、生活、金融、零售、安防中的經典的成功套用案例讓讀者更好的了解人工智慧技術的發展和我們生活的關切度。後對人工智慧的未來進行了展望，提出人工智慧背景時代下大學生就業和創業前景和機遇，幫助大學生應對人工智慧背景下的職業規劃。形成一個融理論教學、科學訓練、創新實踐為一體的過程化的人工智慧課程體系和協同培養機制，使所培養的人才在基礎知識、專業知識、實踐能力、創新能力、倫理道德以及科學與職業素質等方面得到全面均衡的發展。
作者簡介
畢業於桂林電子科技大學物流工程專業，碩士學位，副教授。曾任北京航空航天大學北海學院教務處長，廣西高等學校實驗室工作研究會副理事長，現擔任科大訊飛股份公司院校合作執行院長。主持參與10多項省、市廳級教學改革與科研課題研究，國內外知名期刊發表學術論文20餘篇，獲得全國大學生大學英語等級考試、計算機等級考試優秀工作者，曾指導學生獲得網際網路 大賽廣西區銀獎和挑戰者杯金獎，擁有豐富的教學運行管理經驗。
圖書目錄
目 錄
第1 章 初識人工智慧 ................................................................................... 1
1.1 無處不在的人工智慧 .................................................................................................... 1
1.1.1 科幻片中描繪的人工智慧 ................................................................................. 1
1.1.2 人工智慧的發展現狀 ......................................................................................... 4
1.2 人工智慧追根溯源 ...................................................................................................... 16
1.2.1 人工智慧的由來 ............................................................................................... 16
1.2.2 人工智慧的基本概念 ....................................................................................... 17
1.2.3 人工智慧的發展歷程 ....................................................................................... 20
1.3 人工智慧雲套用場景 .................................................................................................. 23
1.3.1 什麼是人工智慧雲服務 ................................................................................... 23
1.3.2 為什麼人工智慧需要遷移到雲端 ................................................................... 24
1.3.3 人工智慧雲服務的類型 ................................................................................... 24
1.3.4 體驗人工智慧雲套用 ....................................................................................... 24
1.4 未來發展趨勢 .............................................................................................................. 27
本章小結 ....................................................................................................................... 29
第2 章 機器學習 ........................................................................................ 32
2.1 認識機器學習 .............................................................................................................. 33
2.1.1 機器學習的定義 ............................................................................................... 33
2.1.2 機器學習算法的分類 ....................................................................................... 35
2.1.3 機器學習發展歷程 ........................................................................................... 38
2.1.4 機器學習的技術原理 ....................................................................................... 39
2.2 機器學習常用算法 ...................................................................................................... 42
2.2.1 線性回歸 ........................................................................................................... 42
2.2.2 支持向量機 ....................................................................................................... 44
2.2.3 決策樹 ............................................................................................................... 45
2.2.4 K-近鄰算法 ....................................................................................................... 46
2.2.5 樸素貝葉斯算法 ............................................................................................... 47
2.2.6 K 均值聚類算法 ............................................................................................... 48
2.3 監督學習案例：計算機學習計算平均分 .................................................................. 49
2.4 無監督學習案例：K 平均聚類算法實現 .................................................................. 51
2.5 套用場景 ...................................................................................................................... 55
2.6 未來展望 ...................................................................................................................... 56
本章小結 ....................................................................................................................... 57
課後習題 ....................................................................................................................... 57
第3 章 深度神經網路 ................................................................................. 58
3.1 神經網路簡介 .............................................................................................................. 59
3.1.1 神經元結構 ....................................................................................................... 59
3.1.2 感知機概述 ....................................................................................................... 60
3.1.3 神經網路結構 ................................................................................................... 64
3.2 深度學習簡介 .............................................................................................................. 66
3.2.1 深度神經網路 ................................................................................................... 67
3.2.2 卷積神經網路及原理 ....................................................................................... 68
3.2.3 經典深度學習模型 ........................................................................................... 72
3.3 主流深度學習框架及使用 .......................................................................................... 74
3.3.1 TensorFlow 簡介 ............................................................................................... 74
3.3.2 PyTorch 簡介 .................................................................................................... 75
3.3.3 Caffe 簡介 ......................................................................................................... 76
3.3.4 PaddlePaddle 簡介 ............................................................................................ 76
3.3.5 TensorFlow 的使用 ........................................................................................... 77
3.4 套用場景 ...................................................................................................................... 79
3.4.1 人工神經網路在信息領域中的套用 ............................................................... 79
3.4.2 人工神經網路在醫學中的套用 ....................................................................... 80
3.4.3 人工神經網路在經濟領域的套用 ................................................................... 81
3.4.4 人工神經網路在交通領域的套用 ................................................................... 82
3.4.5 人工神經網路在心理學領域的套用 ............................................................... 82
本章小結 ....................................................................................................................... 83
第4 章 知識圖譜及套用 ............................................................................. 84
4.1 知識圖譜的概念 .......................................................................................................... 85
4.1.1 知識圖譜的定義 ............................................................................................... 85
4.1.2 知識圖譜的表示 ............................................................................................... 85
4.1.3 知識圖譜技術的發展歷程 ............................................................................... 86
4.2 知識圖譜的特點 .......................................................................................................... 88
4.3 知識圖譜構建 .............................................................................................................. 92
4.3.1 業務問題定義 ................................................................................................... 92
4.3.2 數據的收集與預處理 ................
