本書(shū)為滿足人工智能通識(shí)教育的現(xiàn)實(shí)需求而編寫(xiě)，力爭(zhēng)用通俗易懂的語(yǔ)言闡明人工智能的復(fù)雜概念和算法邏輯，同時(shí)按照應(yīng)用導(dǎo)向、案例驅(qū)動(dòng)的思路，引導(dǎo)讀者應(yīng)用人工智能方法與技術(shù)解決實(shí)際問(wèn)題。本書(shū)共8章，分別是計(jì)算與人工智能概論、人工智能開(kāi)發(fā)工具與平臺(tái)、計(jì)算系統(tǒng)、人工智能的數(shù)據(jù)基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)與應(yīng)用、深度學(xué)習(xí)基礎(chǔ)與應(yīng)用、大模型技術(shù)與應(yīng)用、人工智能倫理與安全。全書(shū)采用Python技術(shù)路線，以應(yīng)用案例說(shuō)明概念、算法和基本原理。通過(guò)豐富的案例分析和程序?qū)嵺`，引導(dǎo)讀者將人工智能知識(shí)應(yīng)用于實(shí)際場(chǎng)景，培養(yǎng)讀者解決復(fù)雜問(wèn)題的能力以及學(xué)科交叉融合與應(yīng)用能力。本書(shū)可以作為高等學(xué)校人工智能通識(shí)課程或大學(xué)計(jì)算機(jī)課程的教材，也可供計(jì)算機(jī)科學(xué)或人工智能愛(ài)好者和專(zhuān)業(yè)技術(shù)人員閱讀參考。
劉衛(wèi)國(guó)，中南大學(xué)計(jì)算機(jī)學(xué)院教授，教育部高等學(xué)校大學(xué)計(jì)算機(jī)課程教學(xué)指導(dǎo)委員會(huì)委員，中南大學(xué)課程思政教學(xué)指導(dǎo)委員會(huì)主任委員。首批國(guó)家級(jí)一流本科課程（線上一流課程）負(fù)責(zé)人；獲國(guó)家級(jí)教學(xué)成果二等獎(jiǎng)1項(xiàng)，省級(jí)教學(xué)成果獎(jiǎng)3項(xiàng)；主編出版普通高等教育國(guó)家級(jí)規(guī)劃教材3部，獲省級(jí)普通高等學(xué)校優(yōu)秀教材獎(jiǎng)，全國(guó)高校出版社優(yōu)秀暢銷(xiāo)書(shū)一等獎(jiǎng)；獲中南大學(xué)茅以升鐵路教育專(zhuān)項(xiàng)獎(jiǎng)，中南大學(xué)課程思政示范課程及教學(xué)團(tuán)隊(duì)負(fù)責(zé)人。美國(guó)加州大學(xué)圣地亞哥分校（UCSD）訪問(wèn)學(xué)者。主要研究領(lǐng)域?yàn)榫W(wǎng)絡(luò)與信息安全、軟件工程、教育信息化。
第1章 計(jì)算與人工智能概論 1
1.1 計(jì)算與計(jì)算自動(dòng)化 1
1.1.1 計(jì)算的概念 1
1.1.2 圖靈機(jī)模型 3
1.1.3 馮·諾依曼體系結(jié)構(gòu) 5
1.2 計(jì)算思維 6
1.2.1 計(jì)算思維的概念 7
1.2.2 計(jì)算思維的本質(zhì)與方法 8
1.3 人工智能的起源與定義 10
1.3.1 人工智能的起源 10
1.3.2 人工智能的三大學(xué)派 11
1.3.3 人工智能的定義 13
1.4 人工智能的發(fā)展歷程與趨勢(shì) 14
1.4.1 人工智能的發(fā)展階段 14
1.4.2 人工智能的發(fā)展趨勢(shì) 16
1.5 人工智能的研究?jī)?nèi)容與主要技術(shù) 18
1.5.1 人工智能的研究?jī)?nèi)容 18
1.5.2 人工智能主要技術(shù) 19
習(xí)題與實(shí)驗(yàn) 20
第2章 人工智能開(kāi)發(fā)工具與平臺(tái) 21
2.1 Python與人工智能應(yīng)用 21
2.1.1 Python語(yǔ)言的特點(diǎn) 21
2.1.2 Python在人工智能中的應(yīng)用 22
2.1.3 Python編程的基本規(guī)則 23
2.2 Python的數(shù)據(jù)描述 24
2.2.1 變量與賦值 24
2.2.2 Python數(shù)據(jù)類(lèi)型 25
2.2.3 常用系統(tǒng)函數(shù) 28
2.2.4 基本運(yùn)算與表達(dá)式 30
2.3 Python程序流程控制 32
2.3.1 簡(jiǎn)單的Python程序 32
2.3.2 實(shí)現(xiàn)選擇判斷 36
2.3.3 控制重復(fù)操作 41
2.4 函數(shù) 47
2.4.1 函數(shù)的定義與調(diào)用 47
2.4.2 兩類(lèi)特殊函數(shù) 48
2.5 文件操作 49
2.5.1 文件的打開(kāi)與關(guān)閉 50
2.5.2 文本文件的操作 51
2.6 Python人工智能應(yīng)用生態(tài) 52
2.6.1 NumPy庫(kù)的應(yīng)用 53
2.6.2 Matplotlib繪圖 55
2.6.3 SciPy庫(kù)的應(yīng)用 61
習(xí)題與實(shí)驗(yàn) 64
第3章 計(jì)算系統(tǒng)—從單機(jī)到智能生態(tài) 67
3.1 單機(jī)系統(tǒng) 67
3.1.1 計(jì)算機(jī)系統(tǒng)的組成 67
3.1.2 計(jì)算機(jī)的工作原理 72
3.1.3 微型計(jì)算機(jī)體系結(jié)構(gòu) 74
3.1.4 人工智能計(jì)算架構(gòu) 77
3.2 計(jì)算機(jī)中數(shù)據(jù)的表示 78
3.2.1 數(shù)制與二進(jìn)制運(yùn)算 78
3.2.2 數(shù)值數(shù)據(jù)的表示 81
3.2.3 字符編碼 85
3.2.4 聲音和圖像編碼 87
3.3 網(wǎng)絡(luò)系統(tǒng) 91
3.3.1 計(jì)算機(jī)網(wǎng)絡(luò)概述 91
3.3.2 局域網(wǎng)基礎(chǔ) 96
3.3.3 Internet基礎(chǔ) 102
3.4 云計(jì)算服務(wù) 109
3.4.1 云計(jì)算的概念 109
3.4.2 云計(jì)算服務(wù)模式 109
3.4.3 典型的云計(jì)算平臺(tái) 111
3.5 物聯(lián)網(wǎng)技術(shù) 112
3.5.1 物聯(lián)網(wǎng)的概念 113
3.5.2 物聯(lián)網(wǎng)體系架構(gòu) 113
3.5.3 物聯(lián)網(wǎng)關(guān)鍵技術(shù) 114
習(xí)題與實(shí)驗(yàn) 117
第4章 人工智能的數(shù)據(jù)基礎(chǔ) 119
4.1 數(shù)據(jù)分析基礎(chǔ) 119
4.1.1 數(shù)據(jù)分析的基本流程 119
4.1.2 常用數(shù)據(jù)分析方法 120
4.1.3 數(shù)據(jù)可視化 125
4.1.4 應(yīng)用案例—《三國(guó)演義》詞頻統(tǒng)計(jì)與詞云圖創(chuàng)建 129
4.2 網(wǎng)絡(luò)爬蟲(chóng)與信息提取 131
4.2.1 網(wǎng)絡(luò)爬蟲(chóng) 132
4.2.2 信息提取 133
4.2.3 應(yīng)用案例—新聞熱詞分析 137
4.3 大數(shù)據(jù)處理 140
4.3.1 大數(shù)據(jù)關(guān)鍵技術(shù) 140
4.3.2 常用大數(shù)據(jù)框架 141
4.3.3 大數(shù)據(jù)與人工智能的關(guān)系 142
4.3.4 應(yīng)用案例—地鐵運(yùn)營(yíng)大數(shù)據(jù)系統(tǒng) 144
4.4 數(shù)據(jù)安全 145
4.4.1 數(shù)據(jù)加密技術(shù) 145
4.4.2 區(qū)塊鏈技術(shù) 148
4.4.3 應(yīng)用案例—課堂行為管理系統(tǒng) 152
習(xí)題與實(shí)驗(yàn) 154
第5章 機(jī)器學(xué)習(xí)基礎(chǔ)與應(yīng)用 156
5.1 機(jī)器學(xué)習(xí)概述 156
5.1.1 機(jī)器學(xué)習(xí)的概念 156
5.1.2 機(jī)器學(xué)習(xí)的分類(lèi) 158
5.1.3 機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域 160
5.2 機(jī)器學(xué)習(xí)流程與評(píng)估 160
5.2.1 機(jī)器學(xué)習(xí)的基本流程 161
5.2.2 機(jī)器學(xué)習(xí)的性能評(píng)估指標(biāo) 162
5.3 機(jī)器學(xué)習(xí)算法 164
5.3.1 監(jiān)督學(xué)習(xí)算法：分類(lèi)問(wèn)題 164
5.3.2 監(jiān)督學(xué)習(xí)算法：回歸問(wèn)題 175
5.3.3 無(wú)監(jiān)督學(xué)習(xí)算法：聚類(lèi)問(wèn)題 182
5.3.4 應(yīng)用案例—二維數(shù)據(jù)集的聚類(lèi) 186
5.4 強(qiáng)化學(xué)習(xí) 187
5.4.1 強(qiáng)化學(xué)習(xí)原理 187
5.4.2 Q學(xué)習(xí)算法 188
5.4.3 應(yīng)用案例—機(jī)器人路徑規(guī)劃 189
習(xí)題與實(shí)驗(yàn) 193
第6章 深度學(xué)習(xí)基礎(chǔ)與應(yīng)用 195
6.1 深度學(xué)習(xí)概述 195
6.1.1 深度學(xué)習(xí)的概念與基本特征 195
6.1.2 深度學(xué)習(xí)的發(fā)展歷程 196
6.1.3 深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別 197
6.2 神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 198
6.2.1 人工神經(jīng)元 199
6.2.2 人工神經(jīng)網(wǎng)絡(luò) 202
6.2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法—反向傳播算法 203
6.2.4 應(yīng)用案例—使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)鳶尾花分類(lèi) 208
6.3 深度學(xué)習(xí)模型 211
6.3.1 卷積神經(jīng)網(wǎng)絡(luò) 211
6.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 216
6.3.3 生成對(duì)抗網(wǎng)絡(luò) 219
6.4 應(yīng)用案例—用Keras實(shí)現(xiàn)CIFAR-10圖像分類(lèi) 221
6.4.1 常用深度學(xué)習(xí)框架 221
6.4.2 Keras框架的應(yīng)用 222
6.4.3 CIFAR-10圖像分類(lèi)的實(shí)現(xiàn) 224
習(xí)題與實(shí)驗(yàn) 227
第7章 大模型技術(shù)與應(yīng)用 230
7.1 大模型概述 230
7.1.1 大模型的特點(diǎn) 230
7.1.2 大語(yǔ)言模型 231
7.1.3 主流大模型 233
7.2 大模型的架構(gòu)與技術(shù) 235
7.2.1 Transformer架構(gòu) 235
7.2.2 自注意力機(jī)制 236
7.2.3 編碼器和解碼器的作用原理 237
7.3 模型優(yōu)化與壓縮技術(shù) 238
7.3.1 知識(shí)蒸餾 239
7.3.2 模型剪枝與量化 240
7.3.3 稀疏化與低秩分解 241
7.4 DeepSeek的技術(shù)原理與應(yīng)用 242
7.4.1 DeepSeek的技術(shù)原理 242
7.4.2 DeepSeek的應(yīng)用 243
7.5 WPS AI智能辦公應(yīng)用 245
7.5.1 智能文檔處理 245
7.5.2 智能數(shù)據(jù)分析 248
7.5.3 智能演示文稿制作 251
習(xí)題與實(shí)驗(yàn) 253
第8章 人工智能倫理與安全 255
8.1 人工智能倫理概述 255
8.1.1 人工智能倫理的概念和發(fā)展 255
8.1.2 數(shù)據(jù)隱私與倫理問(wèn)題 257
8.1.3 算法偏見(jiàn)與公平 259
8.2 人工智能的安全挑戰(zhàn) 261
8.2.1 對(duì)抗攻擊與模型的魯棒性 261
8.2.2 人工智能在安全系統(tǒng)中的應(yīng)用與風(fēng)險(xiǎn) 264
8.2.3 人工智能失控的可能性 266
8.3 典型案例分析 267
8.3.1 面部識(shí)別技術(shù)與倫理問(wèn)題 267
8.3.2 自動(dòng)駕駛技術(shù)與倫理問(wèn)題 269
8.3.3 深度偽造技術(shù)與倫理問(wèn)題 271
習(xí)題與實(shí)驗(yàn) 273
參考文獻(xiàn) 275
書(shū)單推薦
