- 高等教育出版社
- 9787040669053
- 1版
- 16开
内容简介
本书是湖北省2024年度新工科新形态教材建设项目（XGK02087）的成果，由数字金融创新湖北省重点实验室研究团队联合华为技术有限公司共同开发，结合国产技术生态与智能经济需求编写，形成“基础认知—技术理解—应用创新—伦理思辨”四位一体的教学体系。
全书内容精炼，知识框架清晰，深度适配非理工科学习者认知规律。以“学科交叉融合”为特色，通过商业案例和可视化图表，系统阐释人工智能技术原理及商业应用。本书旨在帮助非理工科尤其是商科学生构建全面的人工智能知识体系，掌握人工智能技术与经管实践深度融合的方法论。全书分五大部分，层层递进，形成有机联系的知识网络；创新构建数字化教学生态，提供全流程学习支持；同步对接华为HCIA认证体系，嵌入金融风控模型、智能供应链等行业解决方案案例库，助力教师打造个性化经管+AI融合课程。本书通过理论与实践的深度结合，着力培养具备AI技术理解力、商业创新力和伦理判断力的复合型人才，为智能经济时代提供人才支持。
本书可作为高等学校非理工科特别是商科专业36~72学时的人工智能课程的教材，也可供高职高专、成人高校等选用，同时可作为企业数字化转型培训用书。
目录
目录
前辅文
第一部分 人工智能概述
第1章 人工智能的定义与发展历程
【学习目标】
【案例导读】机器是否能像人一样“思考”
1.1 人工智能的基本概念
1.1.1 什么是智能
1.1.2 人工智能的定义
1.1.3 主要研究领域
1.2 人工智能的发展历程
1.2.1 人工智能的孕育——理论与机器的发展
1.2.2 人工智能的诞生——达特茅斯会议
1.2.3 人工智能的进一步发展
1.3 人工智能的发展趋势
1.3.1 从机器智能概念认识AI的不同层次
1.3.2 从智力表现探究AI的发展趋势
1.4 本章小结
思考与讨论
第2章 人工智能相关概念及技术
【学习目标】
【案例导读】人工智能不可或缺的技术
2.1 大数据
2.1.1 大数据来源与特征
2.1.2 数据标注
2.2 算力
2.2.1 基础算力
2.2.2 智能算力
2.2.3 超级计算（超算）
2.2.4 量子计算
2.2.5 新一代算力
2.3 算法
2.3.1 机器学习
2.3.2 深度学习
2.4 物联网
2.5 人工智能的开发语言
2.5.1 为什么使用Python来开发人工智能
2.5.2 Python的下载和安装
2.5.3 Python程序编写
2.5.4 利用量化交易平台编写Python程序
2.6 本章小结
思考与讨论
第二部分 人工智能基础知识
第3章 知识表示
【学习目标】
【案例导读】人工智能的智慧图谱
3.1 知识与知识表示
3.1.1 知识的概念
3.1.2 知识的特性
3.1.3 知识表示的概念
3.2 谓词逻辑
3.2.1 命题
3.2.2 谓词
3.2.3 谓词公式
3.2.4 一阶谓词逻辑的特点
3.3 产生式表示
3.3.1 产生式
3.3.2 产生式系统
3.3.3 产生式表示法的特点
3.4 框架表示法
3.4.1 框架的结构
3.4.2 框架表示案例
3.4.3 框架表示法的特点
3.5 本章小结
思考与讨论
第4章 推理
【学习目标】
【案例导读】从逻辑链条到不确定世界
4.1 推理的概念与类型
4.1.1 推理的定义
4.1.2 推理的方式与分类
4.1.3 推理的方向
4.2 确定性推理（自然演绎推理）
4.3 不确定性推理（可信度推理）
4.3.1 不确定推理的几个重要问题
4.3.2 可信度方法
4.4 模糊推理
4.4.1 模糊理论的提出与发展
4.4.2 模糊集合
4.4.3 模糊集合的计算
4.4.4 模糊关系的定义与合成
4.4.5 模糊推理
4.4.6 模糊决策
4.5 本章小结
思考与讨论
第5章 搜索
【学习目标】
【案例导读】AI的盲目尝试与智能寻路
5.1 搜索的定义与分类
5.1.1 搜索的基本问题与主要过程
5.1.2 搜索策略分类
5.1.3 状态空间表示法
5.1.4 状态空间的图描述
5.2 盲目搜索
5.2.1 回溯策略
5.2.2 深度优先搜索
5.2.3 宽度优先搜索
5.3 启发式搜索
5.3.1 启发式策略
5.3.2 启发信息与估价函数
5.3.3 A搜索算法
5.4 本章小结
思考与讨论
第三部分 人工智能核心知识
第6章 机器学习
【学习目标】
【案例导读】购物App中的个性化推荐
6.1 机器学习的基本概念
6.1.1 学习的概念
6.1.2 机器学习的定义
6.1.3 机器学习与机器智能
6.2 机器学习的基本原理
6.2.1 机器学习的“资料”——数据
6.2.2 机器学习的分类
6.2.3 机器学习算法概览
6.3 机器学习应用案例
6.3.1 回归分析：基于线性回归的房价预测
6.3.2 分类算法：基于逻辑回归的信用风险评估
6.3.3 聚类分析：基于K-means的客户细分
6.4 项目实战：电商客户分类
6.4.1 提出问题
6.4.2 解决方案
6.4.3 预备知识
6.4.4 任务1：选择最佳的客户群数目k
6.4.5 任务2：计算3 类客户的RFM均值
6.4.6 任务3：为不同类客户提出营销建议
6.5 本章小结
思考与讨论
第7章 神经网络与深度学习
【学习目标】
【案例导读】从智能语音助手探究神经网络是什么
7.1 人工神经网络的发展——深度学习的崛起
7.1.1 深度学习与人工智能的关系
7.1.2 人工神经网络的发展
7.2 神经元与神经网络
7.2.1 神经元
7.2.2 神经元的数学模型
7.2.3 神经网络的结构
7.2.4 深度学习的兴起
7.3 深度学习的神奇模型
7.3.1 卷积神经网络——图像识别的专家
7.3.2 循环神经网络与LSTM——时间的记忆者
7.3.3 生成对抗网络——“左右互搏”的训练大师
7.4 项目实战：训练神经网络来检测信用卡欺诈
7.4.1 提出问题
7.4.2 解决方案
7.4.3 预备知识
7.4.4 任务1：数据获取与处理
7.4.5 任务2：构建神经网络并训练模型
7.4.6 任务3：性能测试与参数调优
7.5 华为MindSpore框架介绍与深度学习实践
7.5.1 MindSpore的诞生背景与发展历程
7.5.2 华为 MindSpore框架介绍
7.5.3 华为 MindSpore深度学习实践
7.5.4 华为 MindSpore的应用领域和场景
7.6 本章小结
思考与讨论
第8章 数据挖掘与知识发现
【学习目标】
【案例导读】飓风营救与数据挖掘
8.1 数据挖掘的概念与流程
8.1.1 数据挖掘的概念
8.1.2 数据挖掘的流程
8.2 数据挖掘常用技术
8.2.1 关联规则
8.2.2 序列模式
8.2.3 异常检测
8.3 数据挖掘在经管领域的应用案例
8.3.1 信贷风险评估
8.3.2 客户细分与精准营销
8.4 华为HiLens平台介绍与数据挖掘实践
8.4.1 华为HiLens平台概述
8.4.2 华为HiLens平台关键技术与功能
8.4.3 华为HiLens平台数据挖掘实践流程
8.5 本章小结
思考与讨论
第四部分 人工智能在经管领域的应用
第9章 智能销售和客户关系管理
【学习目标】
【案例导读】交易和理解
9.1 人工智能在精准营销中的应用
9.1.1 提出问题
9.1.2 解决方案
9.1.3 数据获取与预处理
9.1.4 模型选择与性能评估
9.2 人工智能在智能客服与推荐系统中的应用
9.2.1 提出问题
9.2.2 解决方案
9.2.3 代码示例
9.3 华为云EI企业智能解决方案介绍
9.3.1 华为云EI特色
9.3.2 华为云EI的产品功能
9.3.3 华为云EI的应用场景
9.4 本章小结
思考与讨论
第10章 智能金融与风险管理
【学习目标】
【案例导读】从被动防御到主动预见
10.1 人工智能在金融市场预测中的应用
10.1.1 提出问题
10.1.2 解决方案
10.1.3 数据获取与预处理
10.1.4 模型选择
10.1.5 模型性能评估
10.2 华为云金融AI解决方案介绍
10.2.1 华为云金融AI的核心优势
10.2.2 华为云金融AI的应用场景
10.3 本章小结
思考与讨论
第11章 智能供应链与物流管理
【学习目标】
【案例导读】AI重塑断裂的链条
11.1 人工智能在需求预测与库存管理中的应用
11.1.1 提出问题
11.1.2 解决方案
11.1.3 代码实现
11.2 人工智能在物流路径优化中的应用
11.2.1 提出问题
11.2.2 解决方案
11.2.3 代码实现
11.3 华为AI智慧物流介绍
11.3.1 华为AI智慧物流的核心优势
11.3.2 华为AI智慧物流的应用场景
11.4 本章小结
思考与讨论
第五部分 人工智能伦理与治理
第12章 人工智能伦理问题
【学习目标】
【案例导读】AI技术应用的边界：人脸识别技术的风险与法律规制
12.1 人工智能的偏见
12.1.1 典型案例分析
12.1.2 偏见产生的根源
12.1.3 缓解偏见的可行路径
12.2 人工智能的隐私与安全
12.2.1 隐私与安全面临的威胁
12.2.2 安全保障的关键环节
12.3 本章小结
思考与讨论
第13章 人工智能治理
【学习目标】
【案例导读】谁为“黑箱”买单？特斯拉Autopilot致死事故背后的治理博弈
13.1 人工智能治理的原则与框架
13.1.1 人工智能治理原则的重要性
13.1.2 核心治理原则
13.1.3 人工智能治理框架的构成
13.1.4 治理原则与框架的协同作用
13.2 人工智能法律法规与政策
13.2.1 对现行法律法规在人工智能领域的适用性分析
13.2.2 各国针对人工智能制定的政策与措施
13.3 华为AI治理实践
13.3.1 华为AI治理理念与原则
13.3.2 华为AI治理实践的具体措施
13.3.3 华为AI治理实践的挑战与应对
13.3.4 华为AI治理实践的成效与未来展望
13.4 本章小结
思考与讨论
附录A 常用人工智能工具与平台
附录B 人工智能相关资源
附录C 华为HCIA-AI认证考试大纲与样题
参考文献
前辅文
第一部分 人工智能概述
第1章 人工智能的定义与发展历程
【学习目标】
【案例导读】机器是否能像人一样“思考”
1.1 人工智能的基本概念
1.1.1 什么是智能
1.1.2 人工智能的定义
1.1.3 主要研究领域
1.2 人工智能的发展历程
1.2.1 人工智能的孕育——理论与机器的发展
1.2.2 人工智能的诞生——达特茅斯会议
1.2.3 人工智能的进一步发展
1.3 人工智能的发展趋势
1.3.1 从机器智能概念认识AI的不同层次
1.3.2 从智力表现探究AI的发展趋势
1.4 本章小结
思考与讨论
第2章 人工智能相关概念及技术
【学习目标】
【案例导读】人工智能不可或缺的技术
2.1 大数据
2.1.1 大数据来源与特征
2.1.2 数据标注
2.2 算力
2.2.1 基础算力
2.2.2 智能算力
2.2.3 超级计算（超算）
2.2.4 量子计算
2.2.5 新一代算力
2.3 算法
2.3.1 机器学习
2.3.2 深度学习
2.4 物联网
2.5 人工智能的开发语言
2.5.1 为什么使用Python来开发人工智能
2.5.2 Python的下载和安装
2.5.3 Python程序编写
2.5.4 利用量化交易平台编写Python程序
2.6 本章小结
思考与讨论
第二部分 人工智能基础知识
第3章 知识表示
【学习目标】
【案例导读】人工智能的智慧图谱
3.1 知识与知识表示
3.1.1 知识的概念
3.1.2 知识的特性
3.1.3 知识表示的概念
3.2 谓词逻辑
3.2.1 命题
3.2.2 谓词
3.2.3 谓词公式
3.2.4 一阶谓词逻辑的特点
3.3 产生式表示
3.3.1 产生式
3.3.2 产生式系统
3.3.3 产生式表示法的特点
3.4 框架表示法
3.4.1 框架的结构
3.4.2 框架表示案例
3.4.3 框架表示法的特点
3.5 本章小结
思考与讨论
第4章 推理
【学习目标】
【案例导读】从逻辑链条到不确定世界
4.1 推理的概念与类型
4.1.1 推理的定义
4.1.2 推理的方式与分类
4.1.3 推理的方向
4.2 确定性推理（自然演绎推理）
4.3 不确定性推理（可信度推理）
4.3.1 不确定推理的几个重要问题
4.3.2 可信度方法
4.4 模糊推理
4.4.1 模糊理论的提出与发展
4.4.2 模糊集合
4.4.3 模糊集合的计算
4.4.4 模糊关系的定义与合成
4.4.5 模糊推理
4.4.6 模糊决策
4.5 本章小结
思考与讨论
第5章 搜索
【学习目标】
【案例导读】AI的盲目尝试与智能寻路
5.1 搜索的定义与分类
5.1.1 搜索的基本问题与主要过程
5.1.2 搜索策略分类
5.1.3 状态空间表示法
5.1.4 状态空间的图描述
5.2 盲目搜索
5.2.1 回溯策略
5.2.2 深度优先搜索
5.2.3 宽度优先搜索
5.3 启发式搜索
5.3.1 启发式策略
5.3.2 启发信息与估价函数
5.3.3 A搜索算法
5.4 本章小结
思考与讨论
第三部分 人工智能核心知识
第6章 机器学习
【学习目标】
【案例导读】购物App中的个性化推荐
6.1 机器学习的基本概念
6.1.1 学习的概念
6.1.2 机器学习的定义
6.1.3 机器学习与机器智能
6.2 机器学习的基本原理
6.2.1 机器学习的“资料”——数据
6.2.2 机器学习的分类
6.2.3 机器学习算法概览
6.3 机器学习应用案例
6.3.1 回归分析：基于线性回归的房价预测
6.3.2 分类算法：基于逻辑回归的信用风险评估
6.3.3 聚类分析：基于K-means的客户细分
6.4 项目实战：电商客户分类
6.4.1 提出问题
6.4.2 解决方案
6.4.3 预备知识
6.4.4 任务1：选择最佳的客户群数目k
6.4.5 任务2：计算3 类客户的RFM均值
6.4.6 任务3：为不同类客户提出营销建议
6.5 本章小结
思考与讨论
第7章 神经网络与深度学习
【学习目标】
【案例导读】从智能语音助手探究神经网络是什么
7.1 人工神经网络的发展——深度学习的崛起
7.1.1 深度学习与人工智能的关系
7.1.2 人工神经网络的发展
7.2 神经元与神经网络
7.2.1 神经元
7.2.2 神经元的数学模型
7.2.3 神经网络的结构
7.2.4 深度学习的兴起
7.3 深度学习的神奇模型
7.3.1 卷积神经网络——图像识别的专家
7.3.2 循环神经网络与LSTM——时间的记忆者
7.3.3 生成对抗网络——“左右互搏”的训练大师
7.4 项目实战：训练神经网络来检测信用卡欺诈
7.4.1 提出问题
7.4.2 解决方案
7.4.3 预备知识
7.4.4 任务1：数据获取与处理
7.4.5 任务2：构建神经网络并训练模型
7.4.6 任务3：性能测试与参数调优
7.5 华为MindSpore框架介绍与深度学习实践
7.5.1 MindSpore的诞生背景与发展历程
7.5.2 华为 MindSpore框架介绍
7.5.3 华为 MindSpore深度学习实践
7.5.4 华为 MindSpore的应用领域和场景
7.6 本章小结
思考与讨论
第8章 数据挖掘与知识发现
【学习目标】
【案例导读】飓风营救与数据挖掘
8.1 数据挖掘的概念与流程
8.1.1 数据挖掘的概念
8.1.2 数据挖掘的流程
8.2 数据挖掘常用技术
8.2.1 关联规则
8.2.2 序列模式
8.2.3 异常检测
8.3 数据挖掘在经管领域的应用案例
8.3.1 信贷风险评估
8.3.2 客户细分与精准营销
8.4 华为HiLens平台介绍与数据挖掘实践
8.4.1 华为HiLens平台概述
8.4.2 华为HiLens平台关键技术与功能
8.4.3 华为HiLens平台数据挖掘实践流程
8.5 本章小结
思考与讨论
第四部分 人工智能在经管领域的应用
第9章 智能销售和客户关系管理
【学习目标】
【案例导读】交易和理解
9.1 人工智能在精准营销中的应用
9.1.1 提出问题
9.1.2 解决方案
9.1.3 数据获取与预处理
9.1.4 模型选择与性能评估
9.2 人工智能在智能客服与推荐系统中的应用
9.2.1 提出问题
9.2.2 解决方案
9.2.3 代码示例
9.3 华为云EI企业智能解决方案介绍
9.3.1 华为云EI特色
9.3.2 华为云EI的产品功能
9.3.3 华为云EI的应用场景
9.4 本章小结
思考与讨论
第10章 智能金融与风险管理
【学习目标】
【案例导读】从被动防御到主动预见
10.1 人工智能在金融市场预测中的应用
10.1.1 提出问题
10.1.2 解决方案
10.1.3 数据获取与预处理
10.1.4 模型选择
10.1.5 模型性能评估
10.2 华为云金融AI解决方案介绍
10.2.1 华为云金融AI的核心优势
10.2.2 华为云金融AI的应用场景
10.3 本章小结
思考与讨论
第11章 智能供应链与物流管理
【学习目标】
【案例导读】AI重塑断裂的链条
11.1 人工智能在需求预测与库存管理中的应用
11.1.1 提出问题
11.1.2 解决方案
11.1.3 代码实现
11.2 人工智能在物流路径优化中的应用
11.2.1 提出问题
11.2.2 解决方案
11.2.3 代码实现
11.3 华为AI智慧物流介绍
11.3.1 华为AI智慧物流的核心优势
11.3.2 华为AI智慧物流的应用场景
11.4 本章小结
思考与讨论
第五部分 人工智能伦理与治理
第12章 人工智能伦理问题
【学习目标】
【案例导读】AI技术应用的边界：人脸识别技术的风险与法律规制
12.1 人工智能的偏见
12.1.1 典型案例分析
12.1.2 偏见产生的根源
12.1.3 缓解偏见的可行路径
12.2 人工智能的隐私与安全
12.2.1 隐私与安全面临的威胁
12.2.2 安全保障的关键环节
12.3 本章小结
思考与讨论
第13章 人工智能治理
【学习目标】
【案例导读】谁为“黑箱”买单？特斯拉Autopilot致死事故背后的治理博弈
13.1 人工智能治理的原则与框架
13.1.1 人工智能治理原则的重要性
13.1.2 核心治理原则
13.1.3 人工智能治理框架的构成
13.1.4 治理原则与框架的协同作用
13.2 人工智能法律法规与政策
13.2.1 对现行法律法规在人工智能领域的适用性分析
13.2.2 各国针对人工智能制定的政策与措施
13.3 华为AI治理实践
13.3.1 华为AI治理理念与原则
13.3.2 华为AI治理实践的具体措施
13.3.3 华为AI治理实践的挑战与应对
13.3.4 华为AI治理实践的成效与未来展望
13.4 本章小结
思考与讨论
附录A 常用人工智能工具与平台
附录B 人工智能相关资源
附录C 华为HCIA-AI认证考试大纲与样题
参考文献
前辅文
第一部分 人工智能概述
第1章 人工智能的定义与发展历程
【学习目标】
【案例导读】机器是否能像人一样“思考”
1.1 人工智能的基本概念
1.1.1 什么是智能
1.1.2 人工智能的定义
1.1.3 主要研究领域
1.2 人工智能的发展历程
1.2.1 人工智能的孕育——理论与机器的发展
1.2.2 人工智能的诞生——达特茅斯会议
1.2.3 人工智能的进一步发展
1.3 人工智能的发展趋势
1.3.1 从机器智能概念认识AI的不同层次
1.3.2 从智力表现探究AI的发展趋势
1.4 本章小结
思考与讨论
第2章 人工智能相关概念及技术
【学习目标】
【案例导读】人工智能不可或缺的技术
2.1 大数据
2.1.1 大数据来源与特征
2.1.2 数据标注
2.2 算力
2.2.1 基础算力
2.2.2 智能算力
2.2.3 超级计算（超算）
2.2.4 量子计算
2.2.5 新一代算力
2.3 算法
2.3.1 机器学习
2.3.2 深度学习
2.4 物联网
2.5 人工智能的开发语言
2.5.1 为什么使用Python来开发人工智能
2.5.2 Python的下载和安装
2.5.3 Python程序编写
2.5.4 利用量化交易平台编写Python程序
2.6 本章小结
思考与讨论
第二部分 人工智能基础知识
第3章 知识表示
【学习目标】
【案例导读】人工智能的智慧图谱
3.1 知识与知识表示
3.1.1 知识的概念
3.1.2 知识的特性
3.1.3 知识表示的概念
3.2 谓词逻辑
3.2.1 命题
3.2.2 谓词
3.2.3 谓词公式
3.2.4 一阶谓词逻辑的特点
3.3 产生式表示
3.3.1 产生式
3.3.2 产生式系统
3.3.3 产生式表示法的特点
3.4 框架表示法
3.4.1 框架的结构
3.4.2 框架表示案例
3.4.3 框架表示法的特点
3.5 本章小结
思考与讨论
第4章 推理
【学习目标】
【案例导读】从逻辑链条到不确定世界
4.1 推理的概念与类型
4.1.1 推理的定义
4.1.2 推理的方式与分类
4.1.3 推理的方向
4.2 确定性推理（自然演绎推理）
4.3 不确定性推理（可信度推理）
4.3.1 不确定推理的几个重要问题
4.3.2 可信度方法
4.4 模糊推理
4.4.1 模糊理论的提出与发展
4.4.2 模糊集合
4.4.3 模糊集合的计算
4.4.4 模糊关系的定义与合成
4.4.5 模糊推理
4.4.6 模糊决策
4.5 本章小结
思考与讨论
第5章 搜索
【学习目标】
【案例导读】AI的盲目尝试与智能寻路
5.1 搜索的定义与分类
5.1.1 搜索的基本问题与主要过程
5.1.2 搜索策略分类
5.1.3 状态空间表示法
5.1.4 状态空间的图描述
5.2 盲目搜索
5.2.1 回溯策略
5.2.2 深度优先搜索
5.2.3 宽度优先搜索
5.3 启发式搜索
5.3.1 启发式策略
5.3.2 启发信息与估价函数
5.3.3 A搜索算法
5.4 本章小结
思考与讨论
第三部分 人工智能核心知识
第6章 机器学习
【学习目标】
【案例导读】购物App中的个性化推荐
6.1 机器学习的基本概念
6.1.1 学习的概念
6.1.2 机器学习的定义
6.1.3 机器学习与机器智能
6.2 机器学习的基本原理
6.2.1 机器学习的“资料”——数据
6.2.2 机器学习的分类
6.2.3 机器学习算法概览
6.3 机器学习应用案例
6.3.1 回归分析：基于线性回归的房价预测
6.3.2 分类算法：基于逻辑回归的信用风险评估
6.3.3 聚类分析：基于K-means的客户细分
6.4 项目实战：电商客户分类
6.4.1 提出问题
6.4.2 解决方案
6.4.3 预备知识
6.4.4 任务1：选择最佳的客户群数目k
6.4.5 任务2：计算3 类客户的RFM均值
6.4.6 任务3：为不同类客户提出营销建议
6.5 本章小结
思考与讨论
第7章 神经网络与深度学习
【学习目标】
【案例导读】从智能语音助手探究神经网络是什么
7.1 人工神经网络的发展——深度学习的崛起
7.1.1 深度学习与人工智能的关系
7.1.2 人工神经网络的发展
7.2 神经元与神经网络
7.2.1 神经元
7.2.2 神经元的数学模型
7.2.3 神经网络的结构
7.2.4 深度学习的兴起
7.3 深度学习的神奇模型
7.3.1 卷积神经网络——图像识别的专家
7.3.2 循环神经网络与LSTM——时间的记忆者
7.3.3 生成对抗网络——“左右互搏”的训练大师
7.4 项目实战：训练神经网络来检测信用卡欺诈
7.4.1 提出问题
7.4.2 解决方案
7.4.3 预备知识
7.4.4 任务1：数据获取与处理
7.4.5 任务2：构建神经网络并训练模型
7.4.6 任务3：性能测试与参数调优
7.5 华为MindSpore框架介绍与深度学习实践
7.5.1 MindSpore的诞生背景与发展历程
7.5.2 华为 MindSpore框架介绍
7.5.3 华为 MindSpore深度学习实践
7.5.4 华为 MindSpore的应用领域和场景
7.6 本章小结
思考与讨论
第8章 数据挖掘与知识发现
【学习目标】
【案例导读】飓风营救与数据挖掘
8.1 数据挖掘的概念与流程
8.1.1 数据挖掘的概念
8.1.2 数据挖掘的流程
8.2 数据挖掘常用技术
8.2.1 关联规则
8.2.2 序列模式
8.2.3 异常检测
8.3 数据挖掘在经管领域的应用案例
8.3.1 信贷风险评估
8.3.2 客户细分与精准营销
8.4 华为HiLens平台介绍与数据挖掘实践
8.4.1 华为HiLens平台概述
8.4.2 华为HiLens平台关键技术与功能
8.4.3 华为HiLens平台数据挖掘实践流程
8.5 本章小结
思考与讨论
第四部分 人工智能在经管领域的应用
第9章 智能销售和客户关系管理
【学习目标】
【案例导读】交易和理解
9.1 人工智能在精准营销中的应用
9.1.1 提出问题
9.1.2 解决方案
9.1.3 数据获取与预处理
9.1.4 模型选择与性能评估
9.2 人工智能在智能客服与推荐系统中的应用
9.2.1 提出问题
9.2.2 解决方案
9.2.3 代码示例
9.3 华为云EI企业智能解决方案介绍
9.3.1 华为云EI特色
9.3.2 华为云EI的产品功能
9.3.3 华为云EI的应用场景
9.4 本章小结
思考与讨论
第10章 智能金融与风险管理
【学习目标】
【案例导读】从被动防御到主动预见
10.1 人工智能在金融市场预测中的应用
10.1.1 提出问题
10.1.2 解决方案
10.1.3 数据获取与预处理
10.1.4 模型选择
10.1.5 模型性能评估
10.2 华为云金融AI解决方案介绍
10.2.1 华为云金融AI的核心优势
10.2.2 华为云金融AI的应用场景
10.3 本章小结
思考与讨论
第11章 智能供应链与物流管理
【学习目标】
【案例导读】AI重塑断裂的链条
11.1 人工智能在需求预测与库存管理中的应用
11.1.1 提出问题
11.1.2 解决方案
11.1.3 代码实现
11.2 人工智能在物流路径优化中的应用
11.2.1 提出问题
11.2.2 解决方案
11.2.3 代码实现
11.3 华为AI智慧物流介绍
11.3.1 华为AI智慧物流的核心优势
11.3.2 华为AI智慧物流的应用场景
11.4 本章小结
思考与讨论
第五部分 人工智能伦理与治理
第12章 人工智能伦理问题
【学习目标】
【案例导读】AI技术应用的边界：人脸识别技术的风险与法律规制
12.1 人工智能的偏见
12.1.1 典型案例分析
12.1.2 偏见产生的根源
12.1.3 缓解偏见的可行路径
12.2 人工智能的隐私与安全
12.2.1 隐私与安全面临的威胁
12.2.2 安全保障的关键环节
12.3 本章小结
思考与讨论
第13章 人工智能治理
【学习目标】
【案例导读】谁为“黑箱”买单？特斯拉Autopilot致死事故背后的治理博弈
13.1 人工智能治理的原则与框架
13.1.1 人工智能治理原则的重要性
13.1.2 核心治理原则
13.1.3 人工智能治理框架的构成
13.1.4 治理原则与框架的协同作用
13.2 人工智能法律法规与政策
13.2.1 对现行法律法规在人工智能领域的适用性分析
13.2.2 各国针对人工智能制定的政策与措施
13.3 华为AI治理实践
13.3.1 华为AI治理理念与原则
13.3.2 华为AI治理实践的具体措施
13.3.3 华为AI治理实践的挑战与应对
13.3.4 华为AI治理实践的成效与未来展望
13.4 本章小结
思考与讨论
附录A 常用人工智能工具与平台
附录B 人工智能相关资源
附录C 华为HCIA-AI认证考试大纲与样题
参考文献
前辅文
第一部分 人工智能概述
第1章 人工智能的定义与发展历程
【学习目标】
【案例导读】机器是否能像人一样“思考”
1.1 人工智能的基本概念
1.1.1 什么是智能
1.1.2 人工智能的定义
1.1.3 主要研究领域
1.2 人工智能的发展历程
1.2.1 人工智能的孕育——理论与机器的发展
1.2.2 人工智能的诞生——达特茅斯会议
1.2.3 人工智能的进一步发展
1.3 人工智能的发展趋势
1.3.1 从机器智能概念认识AI的不同层次
1.3.2 从智力表现探究AI的发展趋势
1.4 本章小结
思考与讨论
第2章 人工智能相关概念及技术
【学习目标】
【案例导读】人工智能不可或缺的技术
2.1 大数据
2.1.1 大数据来源与特征
2.1.2 数据标注
2.2 算力
2.2.1 基础算力
2.2.2 智能算力
2.2.3 超级计算（超算）
2.2.4 量子计算
2.2.5 新一代算力
2.3 算法
2.3.1 机器学习
2.3.2 深度学习
2.4 物联网
2.5 人工智能的开发语言
2.5.1 为什么使用Python来开发人工智能
2.5.2 Python的下载和安装
2.5.3 Python程序编写
2.5.4 利用量化交易平台编写Python程序
2.6 本章小结
思考与讨论
第二部分 人工智能基础知识
第3章 知识表示
【学习目标】
【案例导读】人工智能的智慧图谱
3.1 知识与知识表示
3.1.1 知识的概念
3.1.2 知识的特性
3.1.3 知识表示的概念
3.2 谓词逻辑
3.2.1 命题
3.2.2 谓词
3.2.3 谓词公式
3.2.4 一阶谓词逻辑的特点
3.3 产生式表示
3.3.1 产生式
3.3.2 产生式系统
3.3.3 产生式表示法的特点
3.4 框架表示法
3.4.1 框架的结构
3.4.2 框架表示案例
3.4.3 框架表示法的特点
3.5 本章小结
思考与讨论
第4章 推理
【学习目标】
【案例导读】从逻辑链条到不确定世界
4.1 推理的概念与类型
4.1.1 推理的定义
4.1.2 推理的方式与分类
4.1.3 推理的方向
4.2 确定性推理（自然演绎推理）
4.3 不确定性推理（可信度推理）
4.3.1 不确定推理的几个重要问题
4.3.2 可信度方法
4.4 模糊推理
4.4.1 模糊理论的提出与发展
4.4.2 模糊集合
4.4.3 模糊集合的计算
4.4.4 模糊关系的定义与合成
4.4.5 模糊推理
4.4.6 模糊决策
4.5 本章小结
思考与讨论
第5章 搜索
【学习目标】
【案例导读】AI的盲目尝试与智能寻路
5.1 搜索的定义与分类
5.1.1 搜索的基本问题与主要过程
5.1.2 搜索策略分类
5.1.3 状态空间表示法
5.1.4 状态空间的图描述
5.2 盲目搜索
5.2.1 回溯策略
5.2.2 深度优先搜索
5.2.3 宽度优先搜索
5.3 启发式搜索
5.3.1 启发式策略
5.3.2 启发信息与估价函数
5.3.3 A搜索算法
5.4 本章小结
思考与讨论
第三部分 人工智能核心知识
第6章 机器学习
【学习目标】
【案例导读】购物App中的个性化推荐
6.1 机器学习的基本概念
6.1.1 学习的概念
6.1.2 机器学习的定义
6.1.3 机器学习与机器智能
6.2 机器学习的基本原理
6.2.1 机器学习的“资料”——数据
6.2.2 机器学习的分类
6.2.3 机器学习算法概览
6.3 机器学习应用案例
6.3.1 回归分析：基于线性回归的房价预测
6.3.2 分类算法：基于逻辑回归的信用风险评估
6.3.3 聚类分析：基于K-means的客户细分
6.4 项目实战：电商客户分类
6.4.1 提出问题
6.4.2 解决方案
6.4.3 预备知识
6.4.4 任务1：选择最佳的客户群数目k
6.4.5 任务2：计算3 类客户的RFM均值
6.4.6 任务3：为不同类客户提出营销建议
6.5 本章小结
思考与讨论
第7章 神经网络与深度学习
【学习目标】
【案例导读】从智能语音助手探究神经网络是什么
7.1 人工神经网络的发展——深度学习的崛起
7.1.1 深度学习与人工智能的关系
7.1.2 人工神经网络的发展
7.2 神经元与神经网络
7.2.1 神经元
7.2.2 神经元的数学模型
7.2.3 神经网络的结构
7.2.4 深度学习的兴起
7.3 深度学习的神奇模型
7.3.1 卷积神经网络——图像识别的专家
7.3.2 循环神经网络与LSTM——时间的记忆者
7.3.3 生成对抗网络——“左右互搏”的训练大师
7.4 项目实战：训练神经网络来检测信用卡欺诈
7.4.1 提出问题
7.4.2 解决方案
7.4.3 预备知识
7.4.4 任务1：数据获取与处理
7.4.5 任务2：构建神经网络并训练模型
7.4.6 任务3：性能测试与参数调优
7.5 华为MindSpore框架介绍与深度学习实践
7.5.1 MindSpore的诞生背景与发展历程
7.5.2 华为 MindSpore框架介绍
7.5.3 华为 MindSpore深度学习实践
7.5.4 华为 MindSpore的应用领域和场景
7.6 本章小结
思考与讨论
第8章 数据挖掘与知识发现
【学习目标】
【案例导读】飓风营救与数据挖掘
8.1 数据挖掘的概念与流程
8.1.1 数据挖掘的概念
8.1.2 数据挖掘的流程
8.2 数据挖掘常用技术
8.2.1 关联规则
8.2.2 序列模式
8.2.3 异常检测
8.3 数据挖掘在经管领域的应用案例
8.3.1 信贷风险评估
8.3.2 客户细分与精准营销
8.4 华为HiLens平台介绍与数据挖掘实践
8.4.1 华为HiLens平台概述
8.4.2 华为HiLens平台关键技术与功能
8.4.3 华为HiLens平台数据挖掘实践流程
8.5 本章小结
思考与讨论
第四部分 人工智能在经管领域的应用
第9章 智能销售和客户关系管理
【学习目标】
【案例导读】交易和理解
9.1 人工智能在精准营销中的应用
9.1.1 提出问题
9.1.2 解决方案
9.1.3 数据获取与预处理
9.1.4 模型选择与性能评估
9.2 人工智能在智能客服与推荐系统中的应用
9.2.1 提出问题
9.2.2 解决方案
9.2.3 代码示例
9.3 华为云EI企业智能解决方案介绍
9.3.1 华为云EI特色
9.3.2 华为云EI的产品功能
9.3.3 华为云EI的应用场景
9.4 本章小结
思考与讨论
第10章 智能金融与风险管理
【学习目标】
【案例导读】从被动防御到主动预见
10.1 人工智能在金融市场预测中的应用
10.1.1 提出问题
10.1.2 解决方案
10.1.3 数据获取与预处理
10.1.4 模型选择
10.1.5 模型性能评估
10.2 华为云金融AI解决方案介绍
10.2.1 华为云金融AI的核心优势
10.2.2 华为云金融AI的应用场景
10.3 本章小结
思考与讨论
第11章 智能供应链与物流管理
【学习目标】
【案例导读】AI重塑断裂的链条
11.1 人工智能在需求预测与库存管理中的应用
11.1.1 提出问题
11.1.2 解决方案
11.1.3 代码实现
11.2 人工智能在物流路径优化中的应用
11.2.1 提出问题
11.2.2 解决方案
11.2.3 代码实现
11.3 华为AI智慧物流介绍
11.3.1 华为AI智慧物流的核心优势
11.3.2 华为AI智慧物流的应用场景
11.4 本章小结
思考与讨论
第五部分 人工智能伦理与治理
第12章 人工智能伦理问题
【学习目标】
【案例导读】AI技术应用的边界：人脸识别技术的风险与法律规制
12.1 人工智能的偏见
12.1.1 典型案例分析
12.1.2 偏见产生的根源
12.1.3 缓解偏见的可行路径
12.2 人工智能的隐私与安全
12.2.1 隐私与安全面临的威胁
12.2.2 安全保障的关键环节
12.3 本章小结
思考与讨论
第13章 人工智能治理
【学习目标】
【案例导读】谁为“黑箱”买单？特斯拉Autopilot致死事故背后的治理博弈
13.1 人工智能治理的原则与框架
13.1.1 人工智能治理原则的重要性
13.1.2 核心治理原则
13.1.3 人工智能治理框架的构成
13.1.4 治理原则与框架的协同作用
13.2 人工智能法律法规与政策
13.2.1 对现行法律法规在人工智能领域的适用性分析
13.2.2 各国针对人工智能制定的政策与措施
13.3 华为AI治理实践
13.3.1 华为AI治理理念与原则
13.3.2 华为AI治理实践的具体措施
13.3.3 华为AI治理实践的挑战与应对
13.3.4 华为AI治理实践的成效与未来展望
13.4 本章小结
思考与讨论
附录A 常用人工智能工具与平台
附录B 人工智能相关资源
附录C 华为HCIA-AI认证考试大纲与样题
参考文献
