- 中国铁道出版社
- 9787113318413
- 1-1
- 559895
- 16开
- 2025-02
- 公共课
- 高职
内容简介
随着人工智能技术的迅猛发展，全球范围内对AI人才的需求不断增加。本书系统性介绍人工智能的核心概念、技术框架及其应用实例，落实立德树人根本任务，校企双元开发，配套资源丰富，促进学生对人工智能的全面理解和实践能力的提升。本书共十章，从人工智能的定义入手，阐述其基本概念与发展历程。通过介绍如何高效采集与处理数据，为后续的机器学习和深度学习等模型训练奠定基础。接下来的语音处理、计算机视觉和自然语言处理章节则重点展示了AI技术在不同行业领域的典型应用。数字人生产应用和大模型技术应用章节深入探讨了人工智能在新兴领域的应用潜力，为学生未来的学习和发展提供了前沿导向。最后一章讨论了人工智能对社会的影响及未来发展趋势。本书适合作为高等职业教育人工智能通识课程教材，也可作为人工智能爱好者读物。
目录
第 1 章 人工智能的发展与应用 1-1
1.1 人工智能的定义与发展 1-1
1.1.1 人工智能的基本概念 1-1
1.1.2 人工智能的发展历程 1-3
1.2 人工智能技术概述 1-5
1.2.1 人工智能技术简介 1-5
1.2.2 人工智能技术应用 . 1-13
1.2.3 人工智能技术的挑战与前景 1-15
1.3 应用实践 .1-19
1.3.1 任务一 图灵测试 . 1-19
1.3.2 任务二 开发环境搭建 1-22
小结 1-30
练习 1-30
第 2 章 数据采集和数据标注 . 2-1
2.1 数据采集和处理 .2-2
2.1.1 数据采集的基本概念 2-2
2.1.2 数据采集的发展历程 2-4
2.2 数据标注 2-7
2.2.1 数据标注基本概念 2-7
2.2.2 数据标注的发展历程 2-8
2.3 应用实践 .2-10
2.3.1 任务一 Kaggle 房价数据获取与处理 2-10
2.3.2 任务二 酒店评论的情感倾向标注 2-22
小结 2-25
练习 2-25
第 3 章 机器学习应用 3-1
3.1 机器学习 3-2
3.1.1 机器学习的背景 . 3-2
3.1.2 机器学习的类型介绍 3-4
3.1.3 基本数学知识 3-17
3.2 应用实践 .3-22
3.2.1 任务一 鸢尾花分类 3-22
3.2.2 任务二 用户画像（客户细分） . 3-31
3.2.3 任务三 棋类游戏（人机对战） . 3-36
小结 3-40
练习 3-41
第 4 章 深度学习应用 4-1
4.1 深度学习 4-2
4.2 神经网络 4-3
4.2.1 神经网络基础 4-3
4.2.2 卷积神经网络 4-6
4.2.3 循环神经网络 4-9
4.2.4 Transformer 4-11
4.3 深度学习框架 4-13
4.3.1 TensorFlow 4-13
4.3.2 PyTorch 4-14
4.3.3 飞浆 . 4-16
4.4 应用实践 .4-17
4.4.1 任务一 肿瘤图像识别 4-17
4.4.2 任务二 机器翻译 . 4-25
小结 4-33
练习 4-33
第 5 章 语音处理 5-1
5.1 认识语音处理 5-2
5.1.1 语音处理的基本概念 5-2
5.1.2 语音处理技术 5-4
5.2 语音处理技术行业应用 5-7
5.2.1 语音处理技术的背景与发展历程 5-7
5.2.2 语音处理技术的应用领域 5-8
5.2.3 语音处理技术未来发展趋势 5-12
5.3 应用实践 .5-14
5.3.1 任务一 英语口语测试 5-14
5.3.2 任务二 语音合成 . 5-17
小结 5-22
练习 5-23
第 6 章 计算机视觉 . 6-1
6.1 认识计算机视觉 .6-2
6.1.1 计算机视觉基本概念 6-2
6.1.2 计算机视觉发展历程 6-3
6.2 计算机视觉技术 .6-4
6.2.1 常见计算机视觉技术问题 6-4
6.2.2 计算机视觉系统的功能 . 6-5
6.2.3 计算机视觉的应用场景 . 6-6
6.3 应用实践 6-6
6.3.1 任务一 自动驾驶 ( 萝卜快跑 ) 6-6
6.3.2 任务二 人脸识别 6-9
小结 6-15
练习 6-16
第 7 章 自然语言处理 7-1
7.1 认识自然语言处理 7-1
7.1.1 自然语言处理基本概念 . 7-1
7.1.2 自然语言处理发展历程 . 7-3
7.2 自然语言处理技术 7-4
7.2.1 自然语言处理技术方法 . 7-4
7.2.2 自然语言处理技术难点 . 7-6
7.2.3 自然语言处理未来展望 . 7-6
7.2.4 自然语言处理关联技术 . 7-7
7.2.5 自然语言处理应用场景 . 7-8
7.3 应用实践 7-9
7.3.1 任务一 Office AI 助手 +Word . 7-9
7.3.2 任务二 Office AI 助手 +Excel 7-12
小结 7-15
练习 7-16
第 8 章 数字人生产应用 . 8-1
8.1 AI数字人概述 8-2
8.1.1 数字人的定义与起源 8-2
8.1.2 数字人的核心特征 8-5
8.1.3 AI 数字人的技术基础 . 8-7
8.2 应用实践 .8-10
8.2.1 任务一 数据采集和处理 . 8-10
8.2.2 任务二 数据标注和模型训练 8-18
8.2.3 任务三 AI 数字人应用 . 8-27
小结 8-31
练习 8-32
第 9 章 大模型技术应用 9-1
9.1 大模型技术 .9-1
9.1.1 认识大模型 9-1
9.1.2 深入理解大模型 . 9-5
9.1.3 大模型在内容生成中的前沿应用 9-11
9.2 大模型社区 9-14
9.3 应用实践 .9-16
9.3.1 任务一 AI 绘画应用 9-16
9.3.2 任务二 AI 视频应用 9-21
9.3.3 任务三 AI 编程助手 9-24
9.3.4 任务四 大模型部署 9-34
小结 9-41
练习 9-42
第 10 章 人工智能与社会 10-1
10.1 人工智能伦理 .10-2
10.1.1 人工智能伦理的核心议题 10-2
10.1.2 人工智能伦理的理论框架 10-4
10.2 人工智能道德 .10-7
10.2.1 人工智能道德的概念 . 10-7
10.2.2 人工智能的道德挑战与道德框架 10-9
10.3 人工智能未来发展 10-11
10.3.1 技术发展趋势 10-11
10.3.2 人工智能未来应用领域 . 10-14
小结 10-17
练习 10-17
1.1 人工智能的定义与发展 1-1
1.1.1 人工智能的基本概念 1-1
1.1.2 人工智能的发展历程 1-3
1.2 人工智能技术概述 1-5
1.2.1 人工智能技术简介 1-5
1.2.2 人工智能技术应用 . 1-13
1.2.3 人工智能技术的挑战与前景 1-15
1.3 应用实践 .1-19
1.3.1 任务一 图灵测试 . 1-19
1.3.2 任务二 开发环境搭建 1-22
小结 1-30
练习 1-30
第 2 章 数据采集和数据标注 . 2-1
2.1 数据采集和处理 .2-2
2.1.1 数据采集的基本概念 2-2
2.1.2 数据采集的发展历程 2-4
2.2 数据标注 2-7
2.2.1 数据标注基本概念 2-7
2.2.2 数据标注的发展历程 2-8
2.3 应用实践 .2-10
2.3.1 任务一 Kaggle 房价数据获取与处理 2-10
2.3.2 任务二 酒店评论的情感倾向标注 2-22
小结 2-25
练习 2-25
第 3 章 机器学习应用 3-1
3.1 机器学习 3-2
3.1.1 机器学习的背景 . 3-2
3.1.2 机器学习的类型介绍 3-4
3.1.3 基本数学知识 3-17
3.2 应用实践 .3-22
3.2.1 任务一 鸢尾花分类 3-22
3.2.2 任务二 用户画像（客户细分） . 3-31
3.2.3 任务三 棋类游戏（人机对战） . 3-36
小结 3-40
练习 3-41
第 4 章 深度学习应用 4-1
4.1 深度学习 4-2
4.2 神经网络 4-3
4.2.1 神经网络基础 4-3
4.2.2 卷积神经网络 4-6
4.2.3 循环神经网络 4-9
4.2.4 Transformer 4-11
4.3 深度学习框架 4-13
4.3.1 TensorFlow 4-13
4.3.2 PyTorch 4-14
4.3.3 飞浆 . 4-16
4.4 应用实践 .4-17
4.4.1 任务一 肿瘤图像识别 4-17
4.4.2 任务二 机器翻译 . 4-25
小结 4-33
练习 4-33
第 5 章 语音处理 5-1
5.1 认识语音处理 5-2
5.1.1 语音处理的基本概念 5-2
5.1.2 语音处理技术 5-4
5.2 语音处理技术行业应用 5-7
5.2.1 语音处理技术的背景与发展历程 5-7
5.2.2 语音处理技术的应用领域 5-8
5.2.3 语音处理技术未来发展趋势 5-12
5.3 应用实践 .5-14
5.3.1 任务一 英语口语测试 5-14
5.3.2 任务二 语音合成 . 5-17
小结 5-22
练习 5-23
第 6 章 计算机视觉 . 6-1
6.1 认识计算机视觉 .6-2
6.1.1 计算机视觉基本概念 6-2
6.1.2 计算机视觉发展历程 6-3
6.2 计算机视觉技术 .6-4
6.2.1 常见计算机视觉技术问题 6-4
6.2.2 计算机视觉系统的功能 . 6-5
6.2.3 计算机视觉的应用场景 . 6-6
6.3 应用实践 6-6
6.3.1 任务一 自动驾驶 ( 萝卜快跑 ) 6-6
6.3.2 任务二 人脸识别 6-9
小结 6-15
练习 6-16
第 7 章 自然语言处理 7-1
7.1 认识自然语言处理 7-1
7.1.1 自然语言处理基本概念 . 7-1
7.1.2 自然语言处理发展历程 . 7-3
7.2 自然语言处理技术 7-4
7.2.1 自然语言处理技术方法 . 7-4
7.2.2 自然语言处理技术难点 . 7-6
7.2.3 自然语言处理未来展望 . 7-6
7.2.4 自然语言处理关联技术 . 7-7
7.2.5 自然语言处理应用场景 . 7-8
7.3 应用实践 7-9
7.3.1 任务一 Office AI 助手 +Word . 7-9
7.3.2 任务二 Office AI 助手 +Excel 7-12
小结 7-15
练习 7-16
第 8 章 数字人生产应用 . 8-1
8.1 AI数字人概述 8-2
8.1.1 数字人的定义与起源 8-2
8.1.2 数字人的核心特征 8-5
8.1.3 AI 数字人的技术基础 . 8-7
8.2 应用实践 .8-10
8.2.1 任务一 数据采集和处理 . 8-10
8.2.2 任务二 数据标注和模型训练 8-18
8.2.3 任务三 AI 数字人应用 . 8-27
小结 8-31
练习 8-32
第 9 章 大模型技术应用 9-1
9.1 大模型技术 .9-1
9.1.1 认识大模型 9-1
9.1.2 深入理解大模型 . 9-5
9.1.3 大模型在内容生成中的前沿应用 9-11
9.2 大模型社区 9-14
9.3 应用实践 .9-16
9.3.1 任务一 AI 绘画应用 9-16
9.3.2 任务二 AI 视频应用 9-21
9.3.3 任务三 AI 编程助手 9-24
9.3.4 任务四 大模型部署 9-34
小结 9-41
练习 9-42
第 10 章 人工智能与社会 10-1
10.1 人工智能伦理 .10-2
10.1.1 人工智能伦理的核心议题 10-2
10.1.2 人工智能伦理的理论框架 10-4
10.2 人工智能道德 .10-7
10.2.1 人工智能道德的概念 . 10-7
10.2.2 人工智能的道德挑战与道德框架 10-9
10.3 人工智能未来发展 10-11
10.3.1 技术发展趋势 10-11
10.3.2 人工智能未来应用领域 . 10-14
小结 10-17
练习 10-17
