人工智能基础及教育应用 / 高等教育面向“四新”服务的信息技术课程系列教材
定价：￥59.80
作者： 刘光洁，何鹍
出版时间：2024-01
最新印次日期：2024-1
出版社：中国铁道出版社
试读
- 中国铁道出版社
- 9787113305604
- 1-1
- 531544
- 68260683-5
- 16开
- 2024-01
- 工学
- 电子信息类
- 电子与信息大类
- 电子信息类
- 计算机类
- 本科
作者简介
内容简介
本书是高等教育面向“四新”服务的信息技术课程系列教材之一，分为Python基础、人工智能基础和人工智能实践三部分。第一部分（第1~7章）主要介绍了Python的基础语法，包括Python的基本数据类型、变量、运算符、表达式、程序的控制结构、函数、集合与字典、文件处理等。第二部分（第8~16章）论述人工智能的发展、人工智能的三大学派、知识表示、机器学习、人工神经网络、机器视觉、自然语言处理、智能机器人等。第三部分（第17~22章）论述基于产生式的动物识别专家系统、基于决策树的银行贷款审批模型、鸢尾花的K均值聚类、利用卷积神经网络识别手写数字、利用DCGAN生成MNIST手写数字、深度强化学习玩FlappyBird游戏等
6个案例。
本书围绕教育应用梳理人工智能学科领域的知识体系及其相互联系，总结人工智能技术在教育领域的应用场景，关注智能产品给人类的工作和生活带来的便利和影响，使学生体验人工智能技术带来的获得感，熟悉人工智能技术的应用场景，促进学生创新意识、综合能力和科技人文综合素质的发展。
本书适合作为高等院校计算机基础公共课的教材，也可以作为中小学人工智能教师的参考书。
6个案例。
本书围绕教育应用梳理人工智能学科领域的知识体系及其相互联系，总结人工智能技术在教育领域的应用场景，关注智能产品给人类的工作和生活带来的便利和影响，使学生体验人工智能技术带来的获得感，熟悉人工智能技术的应用场景，促进学生创新意识、综合能力和科技人文综合素质的发展。
本书适合作为高等院校计算机基础公共课的教材，也可以作为中小学人工智能教师的参考书。
目录
第一部分 Python基础
第1章 Python简介4
1.1Python语言的特点4
1.2 Python主要应用领域6
1.3 Python的安装6
1.4 Python开发环境8
习题.12
第2章 第一个Python源程序16
2.1 程序基本格式17
2.2 变量及其命名规则18
2.3 基本数据类型和组合数据类型21
2.4 字符串26
习题35
第3章 Python程序流程控制40
3.1 Python程序的构成40
3.2 选择结构41
3.3 循环结构46
3.4 异常处理49
习题51
第4章 列表与元组57
4.1 列表58
4.2 列表排序64
4.3 序列类型通用方法65
4.4 多维列表66
4.5 元组67人工智能基础及教育应用
习题70
第5章 字典与集合76
5.1 字典76
5.2 集合81
习题84
第6章 函数89
6.1 函数的基本概念89
6.2 函数的定义和调用90
6.3 参数的传递93
6.4 参数的几种类型94
习题99
第7章 文件与操作104
7.1 文件的操作104
7.2数据文件的存储与处理108
7.3文件夹的操作111
习题114
第二部分 人工智能基础
第8章 人工智能之路119
8.1 人工智能的概念119
8.2 人工智能的判定方法120
8.3 人工智能的发展历史122
8.4 人工智能研究的Agent视角129
8.5 人工智能的层级130
8.6 人工智能研究的三大学派131
8.7 人工智能的应用133
8.8 人工智能的发展趋势138
习题138
第9章 知识表示140
9.1 知识表示的概念140
9.2 一阶谓词逻辑141
II目录
9.3 产生式表示法144
9.4 框架表示法145
9.5 知识图谱148
习题150
第10章 基于知识的推理151
10.1 推理的概念151
10.2 确定性推理152
10.3 不确定性推理154
10.4 冲突消解158
10.5搜索求解策略159
10.6专家系统163
习题167
第11章 机器学习170
11.1 机器学习的概念170
11.2 有监督学习172
11.3 无监督学习178
11.4 半监督学习180
11.5 迁移学习182
习题184
第12章人工神经网络186
12.1 生物神经元的结构与功能186
12.2 神经元的数学模型187
12.3 单层感知机188
12.4 多层前馈神经网络190
12.5 误差反向传播算法191
12.6 深度神经网络192
习题206
第13章强化学习208
13.1 强化学习概述208
13.2 强化学习问题209
13.3 马尔可夫决策过程211
13.4 强化学习算法分类213工智能基础及教育应用
13.5 Q学习算法214
13.6 深度Q学习算法214
习题216
第14章计算机视觉218
14.1 计算机视觉概述218
14.2 目标分类218
14.3 目标检测220
14.4 语义分割221
14.5 目标跟踪222
习题223
第15章自然语言处理.224
15.1 自然语言处理概述224
15.2 语音识别227
15.3 机器翻译227
习题228
第16章智能机器人229
16.1 智能机器人概述229
16.2 智能机器人的体系结构231
16.3 机器人视觉系统233
16.4 机器人规划237
16.5 情感机器人237
16.6 机器人应用238
16.7 智能机器人的发展趋势239
习题240
第三部分人工智能实践
第17章基于产生式的动物识别专家系统242
17.1 问题提出242
17.2 解决思路243
17.3 实验环境244
17.4 核心代码244
17.5 实验效果245
第18章基于决策树的银行贷款审批模型246
18.1 问题提出246
18.2 解决思路247
18.3 实验环境247
18.4 核心代码247
18.5 实验效果248
第19章鸢尾花的K均值聚类249
19.1 问题提出249
19.2 解决思路249
19.3 实验环境250
19.4 核心代码250
19.5 实验效果250
第20章利用卷积神经网络识别手写数字252
20.1 问题提出252
20.2 解决思路252
20.3 实验环境253
20.4 核心代码253
20.5 实验效果254
第21章利用DCGAN生成MNIST手写数字255
21.1 问题提出255
21.2 解决思路255
21.3 实验环境256
21.4 核心代码256
21.5 实验效果257
第22章利用深度强化学习玩FlappyBird游戏258
22.1 问题提出258
22.2 解决思路258
22.3 实验环境258
22.4 核心代码259
22.5 实验效果260人工智能基础及教育应用
附录APython常用库262
附录BPython在教学中的应用案例272
附录C深度学习框架275
附录DPython综合测试
第1章 Python简介4
1.1Python语言的特点4
1.2 Python主要应用领域6
1.3 Python的安装6
1.4 Python开发环境8
习题.12
第2章 第一个Python源程序16
2.1 程序基本格式17
2.2 变量及其命名规则18
2.3 基本数据类型和组合数据类型21
2.4 字符串26
习题35
第3章 Python程序流程控制40
3.1 Python程序的构成40
3.2 选择结构41
3.3 循环结构46
3.4 异常处理49
习题51
第4章 列表与元组57
4.1 列表58
4.2 列表排序64
4.3 序列类型通用方法65
4.4 多维列表66
4.5 元组67人工智能基础及教育应用
习题70
第5章 字典与集合76
5.1 字典76
5.2 集合81
习题84
第6章 函数89
6.1 函数的基本概念89
6.2 函数的定义和调用90
6.3 参数的传递93
6.4 参数的几种类型94
习题99
第7章 文件与操作104
7.1 文件的操作104
7.2数据文件的存储与处理108
7.3文件夹的操作111
习题114
第二部分 人工智能基础
第8章 人工智能之路119
8.1 人工智能的概念119
8.2 人工智能的判定方法120
8.3 人工智能的发展历史122
8.4 人工智能研究的Agent视角129
8.5 人工智能的层级130
8.6 人工智能研究的三大学派131
8.7 人工智能的应用133
8.8 人工智能的发展趋势138
习题138
第9章 知识表示140
9.1 知识表示的概念140
9.2 一阶谓词逻辑141
II目录
9.3 产生式表示法144
9.4 框架表示法145
9.5 知识图谱148
习题150
第10章 基于知识的推理151
10.1 推理的概念151
10.2 确定性推理152
10.3 不确定性推理154
10.4 冲突消解158
10.5搜索求解策略159
10.6专家系统163
习题167
第11章 机器学习170
11.1 机器学习的概念170
11.2 有监督学习172
11.3 无监督学习178
11.4 半监督学习180
11.5 迁移学习182
习题184
第12章人工神经网络186
12.1 生物神经元的结构与功能186
12.2 神经元的数学模型187
12.3 单层感知机188
12.4 多层前馈神经网络190
12.5 误差反向传播算法191
12.6 深度神经网络192
习题206
第13章强化学习208
13.1 强化学习概述208
13.2 强化学习问题209
13.3 马尔可夫决策过程211
13.4 强化学习算法分类213工智能基础及教育应用
13.5 Q学习算法214
13.6 深度Q学习算法214
习题216
第14章计算机视觉218
14.1 计算机视觉概述218
14.2 目标分类218
14.3 目标检测220
14.4 语义分割221
14.5 目标跟踪222
习题223
第15章自然语言处理.224
15.1 自然语言处理概述224
15.2 语音识别227
15.3 机器翻译227
习题228
第16章智能机器人229
16.1 智能机器人概述229
16.2 智能机器人的体系结构231
16.3 机器人视觉系统233
16.4 机器人规划237
16.5 情感机器人237
16.6 机器人应用238
16.7 智能机器人的发展趋势239
习题240
第三部分人工智能实践
第17章基于产生式的动物识别专家系统242
17.1 问题提出242
17.2 解决思路243
17.3 实验环境244
17.4 核心代码244
17.5 实验效果245
第18章基于决策树的银行贷款审批模型246
18.1 问题提出246
18.2 解决思路247
18.3 实验环境247
18.4 核心代码247
18.5 实验效果248
第19章鸢尾花的K均值聚类249
19.1 问题提出249
19.2 解决思路249
19.3 实验环境250
19.4 核心代码250
19.5 实验效果250
第20章利用卷积神经网络识别手写数字252
20.1 问题提出252
20.2 解决思路252
20.3 实验环境253
20.4 核心代码253
20.5 实验效果254
第21章利用DCGAN生成MNIST手写数字255
21.1 问题提出255
21.2 解决思路255
21.3 实验环境256
21.4 核心代码256
21.5 实验效果257
第22章利用深度强化学习玩FlappyBird游戏258
22.1 问题提出258
22.2 解决思路258
22.3 实验环境258
22.4 核心代码259
22.5 实验效果260人工智能基础及教育应用
附录APython常用库262
附录BPython在教学中的应用案例272
附录C深度学习框架275
附录DPython综合测试
