本书全面介绍人工智能的基本原理,以及相关研究领域的核心内容、最新进展与发展方向。本书深入讲解人工智能的核心技术,并以5个经典学习案例贯穿全书,涵盖计算机视觉和自然语言处理两大重要应用领域。
全书共6章,主要内容包括人工智能、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人。本书特别强调实践性,每个案例都结合实际应用,有助于读者掌握经典神经网络结构并进入人工智能领域从事相关工作。
本书可作为高等院校计算机类、软件工程、人工智能等相关专业的人工智能课程的教材,也可作为感兴趣读者的自学读物,还可作为相关行业技术人员的参考用书。
本书全面介绍人工智能的基本原理,深入讲解人工智能的核心技术,并以5个经典学习案例贯穿全书,涵盖计算机视觉和自然语言处理两大重要应用领域。
党的二十大报告指出: 教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是优质生产力、人才是优质资源、创新是优质动力,深入实施科教兴国战略、人才强国战略、创新驱动发展战略,这三大战略共同服务于创新型国家的建设。高等教育与经济社会发展紧密相连,对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义。
人工智能作为一门新兴的交叉学科,已经迅速发展成为21世纪科技创新的核心驱动力之一。随着计算能力、数据存储能力和算法不断取得突破,人工智能技术的应用已经从初期的理论探索阶段,迈向了深刻影响经济、产业和社会的实际应用层面。人工智能不仅是计算机科学的一部分,它与数学、心理学、神经科学、哲学等多个学科交织融合,形成了一个复杂而庞大的技术体系。正因如此,人工智能被誉为21世纪科技创新的万能钥匙,它的应用已经渗透到生活的各个层面,正在重新塑造人类的生活方式和工作模式。
我国早在2017年就明确将人工智能列为国家发展的重点战略。2018年,发布了《高等学校人工智能创新行动计划》。该计划特别强调,未来我国的高校应成为人工智能创新中心的核心力量,成为推动国家人工智能战略实施的核心引擎。为此,鼓励高校在专业课程、学科建设、人才培养等方面进行深度改革,推动人工智能学科与其他相关学科的交叉融合,提升综合性研究能力。同时,政府对高校人工智能教育的投入也在持续增加,为高校提供更加丰富的科研资源和实践平台,以培养更多能够适应新一代人工智能技术需求的创新型人才。
人工智能导论作为一门综合性较强的计算机专业核心课程,紧密契合国家对人工智能发展战略的需求。课程内容覆盖人工智能的基本理论框架,涵盖多个学科和领域,旨在为学生提供全面、系统的人工智能基础知识,为未来人工智能领域的深造和应用打下坚实的基础。
本书的主要特点如下。
(1) 跨学科。人工智能跨越计算机、数学、神经科学、心理学等多个学科,课程内容丰富多样,要求学生具备广泛的科学素养和扎实的基础知识。
(2) 综合性。本书涵盖了人工智能的基本理论框架,包括知识表示、推理、搜索、规划、机器学习、神经网络、自然语言处理和计算机视觉等多个子领域,提供了对人工智能学科的全面概览。
(3) 前沿性。在深入讲解基本原理与方法的基础上,纳入的人工智能技术和发展动态,引入深度学习、大语言模型和智能机器人等当前最具影响力的技术,使学生能够了解行业前沿进展及人工智能的先进工具与解决方案。
(4) 实践性。除理论知识外,本书还在实践中介绍编程语言、机器学习算法和人工智能框架,以加深学生对理论的理解,锻炼其分析、设计和工程能力,从而为其未来人工智能领域就业或深造奠定坚实的实践基础。
本书源自作者多年的教学实践。目前,课程视频在哔哩哔哩平台上已超过16万次播放,并收获了大量本科和研究生的高度评价。许多学生表示,这是他们接触人工智能以来最适合入门的课程,这也是本书编写的初衷和动力所在。根据来自线上和线下的教学反馈意见,作者深刻感受到广大学生对一本简单易懂、适合入门的人工智能教材的强烈需求,以及理论与实践结合的重要性。与市面上大部分人工智能同类教材相比,本书删减了冗繁、生涩的内容,摒弃了水漫金山式灌输的写作方式,避免了学生课上昏昏欲睡、课下自学乏力的教学困境,为应用型本科和高职院校的学生提供了一条清晰、实践导向的学习路径,力求将人工智能基本概念与核心技术以更加直观和高效的方式呈现,确保学生能够在理论与实践的结合中获得深刻理解。
为便于教学,本书提供丰富的配套资源,包括教学课件、教学大纲、程序源码、习题答案和微课视频。
人工智能导论与实践(微课视频版)
前言
资源下载提示
课件资源: 扫描目录上方的二维码获取下载方式。
微课视频: 扫描封底的文泉云盘防盗码,再扫描书中相应章节的视频讲解二维码,可以在线学习。
本书由何东彬担任主编并负责统稿工作。在本书的编写过程中,何东彬负责第3~5章的主要编写工作,杨争艳负责第1、2章的编写工作,宋宇斐负责第6章的编写工作,朱艳红负责第4、5章的部分编写工作及全书的审稿、校订工作,李慧和游紫暄参与了本书的插图绘制和表格设计等工作。本书得到了产学合作协同育人项目人工智能导论课程师资培训项目,河北省教育厅创新创业基础课程《人工智能导论》,石家庄学院教学改革研究与实践项目《基于学科竞赛的产学研协同育人创新培养模式研究》(项目编号: JGXM202304Z)等的支持。
最后,感谢所有在本书编写过程中提供支持的、同事和家人。在未来的版本中,作者将继续完善内容,同步的技术发展和研究成果,以更好地服务于广大学习者,推动人工智能学科的发展和人才的培养。
由于作者水平所限,书中难免存在疏漏之处,恳请读者批评指正。
作者2025年6月
第1章人工智能
1.1人工智能概述
1.1.1人工智能的定义
1.1.2人工智能的历史
1.2人工智能的研究内容
1.2.1认知建模
1.2.2知识表示
1.2.3自动推理
1.2.4机器感知
1.2.5机器思维
1.3人工智能技术分类
1.3.1机器学习
1.3.2深度学习
1.3.3自然语言处理
1.3.4计算机视觉
1.3.5专家系统
1.3.6智能机器人
1.4人工智能应用
1.4.1智慧医疗
1.4.2智能金融
1.4.3智能制造
1.4.4自动驾驶
1.4.5智能家居
习题
第2章机器学习
2.1机器学习概述
2.2机器学习方法
2.2.1有监督学习
2.2.2无监督学习
2.2.3迁移学习
2.2.4强化学习
2.3分类与回归
2.3.1分类模型
2.3.2回归模型
2.4机器学习库
2.4.1TensorFlow
2.4.2Keras
2.4.3PyTorch
2.4.4Scikitlearn
2.4.5NumPy
2.4.6Pandas
2.4.7Matplotlib
2.5项目实践
2.5.1环境安装
2.5.2PyTorch基础
习题
人工智能导论与实践(微课视频版)
目录
第3章深度学习
3.1神经网络
3.1.1神经网络简介
3.1.2神经网络发展史
3.1.3神经网络模型
3.2学习案例1: 房价预测
3.2.1线性回归模型
3.2.2模型参数确定
3.2.3模型评估方法
3.2.4梯度下降算法
3.2.5PyTorch中的梯度下降
3.2.6模型训练中的优化问题
3.2.7神经网络类
3.3学习案例2: 乳腺癌预测
3.3.1数据处理
3.3.2神经网络类定义
3.3.3模型训练与预测
习题
第4章计算机视觉
4.1计算机视觉概述
4.1.1计算机视觉简介
4.1.2计算机视觉发展史
4.1.3计算机视觉应用与挑战
4.2学习案例3: 手写数字识别
4.2.1计算机图像的表示
4.2.2数据处理
4.2.3二分类与多分类
4.2.4多层神经网络
4.3学习案例4: CIFAR10图像分类
4.3.1CIFAR10简介
4.3.2卷积神经网络
4.3.3卷积层
4.3.4池化层
4.3.5多层处理
4.3.6全连接层
4.3.7构建CIFAR10分类网络
习题
第5章自然语言处理
5.1自然语言处理概述
5.1.1自然语言处理简介
5.1.2自然语言处理发展史
5.1.3自然语言处理应用与挑战
5.2文本预处理
5.2.1分词
5.2.2停用词
5.2.3词的文本表示
5.3语言模型
5.3.1语言模型的定义和应用
5.3.2统计语言模型
5.3.3神经网络语言模型
5.4学习案例5: 情感分析
5.4.1获取IMDB影评数据集
5.4.2数据预处理
5.4.3字典编码
5.4.4数据分批
5.4.5情感分析神经网络类
5.4.6训练与测试
习题
第6章智能机器人
6.1大语言模型
6.1.1大语言模型简介
6.1.2大语言模型发展史
6.1.3应用、趋势与发展
6.2智能机器人概述
6.2.1机器人简介
6.2.2认识智能机器人
6.2.3智能机器人的发展现状
6.2.4智能机器人的前景
6.3智能机器人的核心技术
6.3.1感知技术
6.3.2路径规划
6.3.3定位导航
6.3.4人机交互
6.3.5自主学习
6.4智能机器人的应用
习题
参考文献