目录
 前辅文
 第Ⅰ篇 人工智能的硬件和软件基础
  第1章 人工智能的硬件基础
   1.1 计算机体系结构及新型计算架构
   1.2 以CPU为中心的计算架构
    1.2.1 冯·诺依曼体系结构
    1.2.2 中央处理器
    1.2.3 内存
    1.2.4 外部设备
    1.2.5 总线
    1.2.6 输入
    1.2.7 计算机硬件系统组成
   1.3 以GPU为中心的计算架构
    1.3.1 两种不同的计算范式
    1.3.2 从图形渲染到人工智能引擎
    1.3.3 现代GPU的并行架构
    1.3.4 GPU的架构创新与发展趋势
   1.4 数据中心与算力网络
    1.4.1 人工智能时代的数据中心
    1.4.2 人工智能时代的算力网络
   1.5 小结
   习题
  第2章 人工智能的软件基础
   2.1 计算机软件与程序
    2.1.1 算法、程序和软件
    2.1.2 计算机软件系统
    2.1.3 编程语言
    2.1.4 程序的执行方式
   2.2 程序的执行过程
    2.2.1 程序语句与指令
    2.2.2 指令的执行过程
    2.2.3 CPU模型机执行指令实例
   2.3 Python程序语言概述
    2.3.1 计算和算法概述
    2.3.2 Python语言概述
   2.4 Python程序中的数据表示与计算
    2.4.1 程序中的标识符
    2.4.2 程序中的常量
    2.4.3 程序中的变量
    2.4.4 程序中的基本运算
    2.4.5 turtle绘图综合案例
   2.5 Python程序中的控制结构
    2.5.1 控制结构概述
    2.5.2 顺序结构
    2.5.3 分支结构
    2.5.4 循环结构
    2.5.5 控制结构嵌套
    2.5.6 程序中的函数和模块
   2.6 Python程序中的数据组织与处理
    2.6.1 Python中常用数据结构
    2.6.2 简单算法
   2.7 使用matplotlib进行绘图
    2.7.1 matplotlib绘图的基本步骤
    2.7.2 matplotlib常见图形类型
    2.7.3 基于matplotlib绘制工业振动信号
   2.8 使用算法求解问题
   2.9 Python与人工智能工具库生态
   2.10 小结
   习题
  第3章 人工智能与数据表示
   3.1 计算机世界与人类世界的数据
    3.1.1 数据思维与计算思维及人工智能
    3.1.2 编码与解码
    3.1.3 二进制的优势
   3.2 二进制数的表示和计算
    3.2.1 数制表示
    3.2.2 数制间转换
    3.2.3 二进制数常见的度量单位
    3.2.4 二进制数的运算
    3.2.5 使用Python编程实现进制转换
   3.3 数值数据在计算机中的表示
    3.3.1 整数的表示
    3.3.2 定点小数和定点整数
    3.3.3 实数的浮点表示法
   3.4 文本数据在计算机中的表示
    3.4.1 西文字符在计算机中的表示
    3.4.2 中文字符在计算机中的表示
    3.4.3 多语言的Unicode编码
    3.4.4 使用Python进行简单文本处理
   3.5 图像的数字化
    3.5.1 图像的数字化过程
    3.5.2 常见数字图像类型
    3.5.3 使用Python进行简单图像处理
    3.5.4 机械润滑系统中磨粒图像的分割
   3.6 声音的数字化
    3.6.1 声学基础知识
    3.6.2 声音的数字化
    3.6.3 声音编码技术
   3.7 视频的数字化
    3.7.1 视频的数字化过程
    3.7.2 视频文件格式
   3.8 从人工智能角度理解各种数据表示
   3.9 小结
   习题
 第Ⅱ篇 人工智能基础知识
  第4章 人工智能概述
   4.1 初识人工智能
    4.1.1 智能与人工智能
    4.1.2 现实和影视作品中的人工智能
   4.2 人工智能的发展
    4.2.1 人工智能的起源与早期探索
    4.2.2 人工智能的关键发展期
    4.2.3 人工智能的未来发展和趋势
   4.3 人工智能的主要研究领域
    4.3.1 人工智能与机器学习
    4.3.2 人工智能与知识表示
    4.3.3 人工智能与自然语言处理
    4.3.4 人工智能与计算机视觉
    4.3.5 智能机器人与具身智能
    4.3.6 生成式人工智能
   4.4 人工智能的应用场景
    4.4.1 日常生活中的人工智能
    4.4.2 自动驾驶与智能交通
    4.4.3 生产制造中的人工智能
    4.4.4 医疗健康中的人工智能
    4.4.5 金融服务中的人工智能
    4.4.6 生成式人工智能应用
   4.5 数据、计算以及人工智能
    4.5.1 数据是人工智能的源泉
    4.5.2 智能是计算的高级形态
   4.6 小结
   习题
  第5章 搜索与问题求解
   5.1 搜索算法的基本概念和分类
   5.2 穷举搜索
    5.2.1 数学问题中的穷举
    5.2.2 逻辑推理中的穷举
   5.3 二分搜索
   5.4 广度优先搜索
    5.4.1 递归形式的广度优先搜索
    5.4.2 非递归形式的广度优先搜索
   5.5 深度优先搜索
    5.5.1 递归形式的深度优先搜索
    5.5.2 非递归形式的深度优先搜索
   5.6 小结
   习题
  第6章 知识表示与推理
   6.1 数据、信息以及知识
   6.2 知识表示方法
    6.2.1 命题逻辑与谓词逻辑表示法
    6.2.2 产生式表示法
    6.2.3 语义网络表示法
   6.3 基于规则的推理
    6.3.1 产生式系统
    6.3.2 规则引擎
   6.4 知识图谱的构建与嵌入
    6.4.1 知识图谱的构建
    6.4.2 知识图谱的嵌入
    6.4.3 知识图谱与大语言模型协同
   6.5 小结
   习题
  第7章 人工智能与机器学习
   7.1 机器学习概述
    7.1.1 机器学习的概念
    7.1.2 机器学习的发展
   7.2 机器学习的分类
    7.2.1 机器学习算法概述
    7.2.2 机器学习算法
   7.3 机器学习的训练过程
    7.3.1 损失函数
    7.3.2 数据集划分
    7.3.3 梯度下降算法
    7.3.4 反向传播算法
   7.4 机器学习的模型评测
    7.4.1 欠拟合与过拟合
    7.4.2 混淆矩阵
   7.5 机器学习案例-基于scikit-learn库
    7.5.1 scikit-learn库
    7.5.2 scikit-learn数据预处理
    7.5.3 scikit-learn库划分数据集
    7.5.4 基于scikit-learn机器学习建模
    7.5.5 使用scikit-learn评估回归和分类模型
   7.6 小结
   习题
 第III篇 人工智能应用实践
  第8章 人工智能与计算机视觉
   8.1 计算机视觉的基本原理
    8.1.1 计算机视觉概述与发展
    8.1.2 视觉系统的基本构成
   8.2 计算机视觉的关键技术
    8.2.1 数据增强
    8.2.2 卷积神经网络基础
    8.2.3 卷积神经网络
   8.3 计算机视觉典型应用及人工智能技术
    8.3.1 计算机视觉应用概述
    8.3.2 手写数字分类
    8.3.3 道路裂缝检测
    8.3.4 生物细胞分割
    8.3.5 风格迁移
   8.4 小结
   习题
  第9章 人工智能与声音信号处理
   9.1 声音的时域分析
    9.1.1 声音信号的时域波形
    9.1.2 短时加窗处理
    9.1.3 声音信号的时域特征
   9.2 声音的频域分析
    9.2.1 傅里叶级数和傅里叶变换
    9.2.2 声音信号的语谱图
    9.2.3 频域分析的意义
   9.3 声音信号中频谱分析的实现
    9.3.1 声音信号的时域分析案例
    9.3.2 声音信号的频域分析案例
    9.3.3 语谱图绘制
    9.3.4 基于声音信号的设备故障检测
   9.4 小结
   习题
  第10章 人工智能与自然语言处理
   10.1 自然语言处理的概述及发展
    10.1.1 自然语言处理的概述
    10.1.2 自然语言处理的发展
    10.1.3 自然语言处理与人工智能技术
    10.1.4 图灵测试与自然语言处理
   10.2 语言学基础
    10.2.1 词法分析
    10.2.2 句法分析
    10.2.3 语义分析
   10.3 自然语言处理的主要应用领域
    10.3.1 机器翻译
    10.3.2 情感分析与观点挖掘
    10.3.3 对话系统与聊天机器人
    10.3.4 问答系统
    10.3.5 语音识别和合成
   10.4 词表示与词嵌入
    10.4.1 词表示的传统方法
    10.4.2 分布式词表示
    10.4.3 近义词与上位词
    10.4.4 根据上下文表示词义
    10.4.5 词向量的可解释性与迁移学习
    10.4.6 多语言词嵌入
   10.5 语言模型
    10.5.1 N-gram模型
    10.5.2 神经网络模型
   10.6 大语言模型
    10.6.1 大语言模型的基本概念
    10.6.2 代表性的大语言模型
    10.6.3 大语言模型的优势与挑战
    10.6.4 大语言模型的应用场景
   10.7 小结
   习题
 第Ⅳ篇 人工智能的伦理
  第11章 人工智能的伦理
   11.1 人工智能伦理概述
   11.2 人工智能伦理的典型问题
   11.3 生成式人工智能的伦理
   11.4 解决人工智能伦理问题的原则与措施
   11.5 小结
   习题
 参考文献
 缩略语表
 前辅文
 第Ⅰ篇 人工智能的硬件和软件基础
  第1章 人工智能的硬件基础
   1.1 计算机体系结构及新型计算架构
   1.2 以CPU为中心的计算架构
    1.2.1 冯·诺依曼体系结构
    1.2.2 中央处理器
    1.2.3 内存
    1.2.4 外部设备
    1.2.5 总线
    1.2.6 输入
    1.2.7 计算机硬件系统组成
   1.3 以GPU为中心的计算架构
    1.3.1 两种不同的计算范式
    1.3.2 从图形渲染到人工智能引擎
    1.3.3 现代GPU的并行架构
    1.3.4 GPU的架构创新与发展趋势
   1.4 数据中心与算力网络
    1.4.1 人工智能时代的数据中心
    1.4.2 人工智能时代的算力网络
   1.5 小结
   习题
  第2章 人工智能的软件基础
   2.1 计算机软件与程序
    2.1.1 算法、程序和软件
    2.1.2 计算机软件系统
    2.1.3 编程语言
    2.1.4 程序的执行方式
   2.2 程序的执行过程
    2.2.1 程序语句与指令
    2.2.2 指令的执行过程
    2.2.3 CPU模型机执行指令实例
   2.3 Python程序语言概述
    2.3.1 计算和算法概述
    2.3.2 Python语言概述
   2.4 Python程序中的数据表示与计算
    2.4.1 程序中的标识符
    2.4.2 程序中的常量
    2.4.3 程序中的变量
    2.4.4 程序中的基本运算
    2.4.5 turtle绘图综合案例
   2.5 Python程序中的控制结构
    2.5.1 控制结构概述
    2.5.2 顺序结构
    2.5.3 分支结构
    2.5.4 循环结构
    2.5.5 控制结构嵌套
    2.5.6 程序中的函数和模块
   2.6 Python程序中的数据组织与处理
    2.6.1 Python中常用数据结构
    2.6.2 简单算法
   2.7 使用matplotlib进行绘图
    2.7.1 matplotlib绘图的基本步骤
    2.7.2 matplotlib常见图形类型
    2.7.3 基于matplotlib绘制工业振动信号
   2.8 使用算法求解问题
   2.9 Python与人工智能工具库生态
   2.10 小结
   习题
  第3章 人工智能与数据表示
   3.1 计算机世界与人类世界的数据
    3.1.1 数据思维与计算思维及人工智能
    3.1.2 编码与解码
    3.1.3 二进制的优势
   3.2 二进制数的表示和计算
    3.2.1 数制表示
    3.2.2 数制间转换
    3.2.3 二进制数常见的度量单位
    3.2.4 二进制数的运算
    3.2.5 使用Python编程实现进制转换
   3.3 数值数据在计算机中的表示
    3.3.1 整数的表示
    3.3.2 定点小数和定点整数
    3.3.3 实数的浮点表示法
   3.4 文本数据在计算机中的表示
    3.4.1 西文字符在计算机中的表示
    3.4.2 中文字符在计算机中的表示
    3.4.3 多语言的Unicode编码
    3.4.4 使用Python进行简单文本处理
   3.5 图像的数字化
    3.5.1 图像的数字化过程
    3.5.2 常见数字图像类型
    3.5.3 使用Python进行简单图像处理
    3.5.4 机械润滑系统中磨粒图像的分割
   3.6 声音的数字化
    3.6.1 声学基础知识
    3.6.2 声音的数字化
    3.6.3 声音编码技术
   3.7 视频的数字化
    3.7.1 视频的数字化过程
    3.7.2 视频文件格式
   3.8 从人工智能角度理解各种数据表示
   3.9 小结
   习题
 第Ⅱ篇 人工智能基础知识
  第4章 人工智能概述
   4.1 初识人工智能
    4.1.1 智能与人工智能
    4.1.2 现实和影视作品中的人工智能
   4.2 人工智能的发展
    4.2.1 人工智能的起源与早期探索
    4.2.2 人工智能的关键发展期
    4.2.3 人工智能的未来发展和趋势
   4.3 人工智能的主要研究领域
    4.3.1 人工智能与机器学习
    4.3.2 人工智能与知识表示
    4.3.3 人工智能与自然语言处理
    4.3.4 人工智能与计算机视觉
    4.3.5 智能机器人与具身智能
    4.3.6 生成式人工智能
   4.4 人工智能的应用场景
    4.4.1 日常生活中的人工智能
    4.4.2 自动驾驶与智能交通
    4.4.3 生产制造中的人工智能
    4.4.4 医疗健康中的人工智能
    4.4.5 金融服务中的人工智能
    4.4.6 生成式人工智能应用
   4.5 数据、计算以及人工智能
    4.5.1 数据是人工智能的源泉
    4.5.2 智能是计算的高级形态
   4.6 小结
   习题
  第5章 搜索与问题求解
   5.1 搜索算法的基本概念和分类
   5.2 穷举搜索
    5.2.1 数学问题中的穷举
    5.2.2 逻辑推理中的穷举
   5.3 二分搜索
   5.4 广度优先搜索
    5.4.1 递归形式的广度优先搜索
    5.4.2 非递归形式的广度优先搜索
   5.5 深度优先搜索
    5.5.1 递归形式的深度优先搜索
    5.5.2 非递归形式的深度优先搜索
   5.6 小结
   习题
  第6章 知识表示与推理
   6.1 数据、信息以及知识
   6.2 知识表示方法
    6.2.1 命题逻辑与谓词逻辑表示法
    6.2.2 产生式表示法
    6.2.3 语义网络表示法
   6.3 基于规则的推理
    6.3.1 产生式系统
    6.3.2 规则引擎
   6.4 知识图谱的构建与嵌入
    6.4.1 知识图谱的构建
    6.4.2 知识图谱的嵌入
    6.4.3 知识图谱与大语言模型协同
   6.5 小结
   习题
  第7章 人工智能与机器学习
   7.1 机器学习概述
    7.1.1 机器学习的概念
    7.1.2 机器学习的发展
   7.2 机器学习的分类
    7.2.1 机器学习算法概述
    7.2.2 机器学习算法
   7.3 机器学习的训练过程
    7.3.1 损失函数
    7.3.2 数据集划分
    7.3.3 梯度下降算法
    7.3.4 反向传播算法
   7.4 机器学习的模型评测
    7.4.1 欠拟合与过拟合
    7.4.2 混淆矩阵
   7.5 机器学习案例-基于scikit-learn库
    7.5.1 scikit-learn库
    7.5.2 scikit-learn数据预处理
    7.5.3 scikit-learn库划分数据集
    7.5.4 基于scikit-learn机器学习建模
    7.5.5 使用scikit-learn评估回归和分类模型
   7.6 小结
   习题
 第III篇 人工智能应用实践
  第8章 人工智能与计算机视觉
   8.1 计算机视觉的基本原理
    8.1.1 计算机视觉概述与发展
    8.1.2 视觉系统的基本构成
   8.2 计算机视觉的关键技术
    8.2.1 数据增强
    8.2.2 卷积神经网络基础
    8.2.3 卷积神经网络
   8.3 计算机视觉典型应用及人工智能技术
    8.3.1 计算机视觉应用概述
    8.3.2 手写数字分类
    8.3.3 道路裂缝检测
    8.3.4 生物细胞分割
    8.3.5 风格迁移
   8.4 小结
   习题
  第9章 人工智能与声音信号处理
   9.1 声音的时域分析
    9.1.1 声音信号的时域波形
    9.1.2 短时加窗处理
    9.1.3 声音信号的时域特征
   9.2 声音的频域分析
    9.2.1 傅里叶级数和傅里叶变换
    9.2.2 声音信号的语谱图
    9.2.3 频域分析的意义
   9.3 声音信号中频谱分析的实现
    9.3.1 声音信号的时域分析案例
    9.3.2 声音信号的频域分析案例
    9.3.3 语谱图绘制
    9.3.4 基于声音信号的设备故障检测
   9.4 小结
   习题
  第10章 人工智能与自然语言处理
   10.1 自然语言处理的概述及发展
    10.1.1 自然语言处理的概述
    10.1.2 自然语言处理的发展
    10.1.3 自然语言处理与人工智能技术
    10.1.4 图灵测试与自然语言处理
   10.2 语言学基础
    10.2.1 词法分析
    10.2.2 句法分析
    10.2.3 语义分析
   10.3 自然语言处理的主要应用领域
    10.3.1 机器翻译
    10.3.2 情感分析与观点挖掘
    10.3.3 对话系统与聊天机器人
    10.3.4 问答系统
    10.3.5 语音识别和合成
   10.4 词表示与词嵌入
    10.4.1 词表示的传统方法
    10.4.2 分布式词表示
    10.4.3 近义词与上位词
    10.4.4 根据上下文表示词义
    10.4.5 词向量的可解释性与迁移学习
    10.4.6 多语言词嵌入
   10.5 语言模型
    10.5.1 N-gram模型
    10.5.2 神经网络模型
   10.6 大语言模型
    10.6.1 大语言模型的基本概念
    10.6.2 代表性的大语言模型
    10.6.3 大语言模型的优势与挑战
    10.6.4 大语言模型的应用场景
   10.7 小结
   习题
 第Ⅳ篇 人工智能的伦理
  第11章 人工智能的伦理
   11.1 人工智能伦理概述
   11.2 人工智能伦理的典型问题
   11.3 生成式人工智能的伦理
   11.4 解决人工智能伦理问题的原则与措施
   11.5 小结
   习题
 参考文献
 缩略语表