人工智能通识教程
丛 书 名：
新型工业化·人工智能高质量人才培养系列
作 译 者：韩仲志
出 版 日 期：2025-10-01
书 代 号：G0513700
Ｉ Ｓ Ｂ Ｎ：9787121513701
图书简介：
人工智能通识课程旨在普及人工智能基础知识，帮助学生理解人工智能的概念及其在各个领域的应用，掌握人工智能的核心算法和关键技术。 本书围绕人工智能的基本概念、关键技术及具体应用展开介绍，共6章。第1章为人工智能概论，介绍什么是人工智能，人工智能能做什么，人工智能的研究领域和面临的挑战等；第2章主要围绕Python语言及相关开发环境进行系统介绍，便于后续深入开展人工智能实践及应用研究；第3章主要介绍机器学习的概念及常用方法，包括回归、分类和聚类算法，并通过实践案例展示特征工程、回归分析、分类等技术在实际场景中的应用；第4章介绍深度学习基本思想，重点介绍深度学习3个方面的应用，包括图像分类任务、回归任务和目标检测任务；第5章介绍大模型关键技术，并面向理工、农业、人文和经管类专业提供可选择的实践案例；第6章主要介绍人工智能的典型应用场景，分别从智慧交通、智慧农业、智慧医疗、智慧商务、智慧创作5个方面进行介绍。 本书提供教学大纲、教学课件、实践案例、习题解答等数字化资源，读者可登录华信教育资源网免费下载。 本书既可作为高等学校相关专业人工智能通识课程的教材，也适合对人工智能技术感兴趣的广大读者阅读。
-
配 套 资 源
-
图 书 内 容
内容简介
人工智能通识课程旨在普及人工智能基础知识，帮助学生理解人工智能的概念及其在各个领域的应用，掌握人工智能的核心算法和关键技术。 本书围绕人工智能的基本概念、关键技术及具体应用展开介绍，共6章。第1章为人工智能概论，介绍什么是人工智能，人工智能能做什么，人工智能的研究领域和面临的挑战等；第2章主要围绕Python语言及相关开发环境进行系统介绍，便于后续深入开展人工智能实践及应用研究；第3章主要介绍机器学习的概念及常用方法，包括回归、分类和聚类算法，并通过实践案例展示特征工程、回归分析、分类等技术在实际场景中的应用；第4章介绍深度学习基本思想，重点介绍深度学习3个方面的应用，包括图像分类任务、回归任务和目标检测任务；第5章介绍大模型关键技术，并面向理工、农业、人文和经管类专业提供可选择的实践案例；第6章主要介绍人工智能的典型应用场景，分别从智慧交通、智慧农业、智慧医疗、智慧商务、智慧创作5个方面进行介绍。 本书提供教学大纲、教学课件、实践案例、习题解答等数字化资源，读者可登录华信教育资源网免费下载。 本书既可作为高等学校相关专业人工智能通识课程的教材，也适合对人工智能技术感兴趣的广大读者阅读。图书详情
ISBN：9787121513701开 本：16(185*260)页 数：204字 数：326本书目录
第1章 人工智能概论 1 1.1 什么是人工智能 2 1.1.1 人工智能的定义 2 1.1.2 人工智能的发展脉络 3 1.1.3 人工智能的分类体系 5 1.2 人工智能能做什么 6 1.2.1 感知世界 6 1.2.2 理解信息 7 1.2.3 做出决策 7 1.3 人工智能的研究领域 9 1.3.1 机器学习 9 1.3.2 深度学习 10 1.3.3 自然语言处理 11 1.3.4 计算机视觉 12 1.3.5 智能机器人 12 1.4 人工智能面临的挑战 13 1.4.1 数据问题 13 1.4.2 算法透明性和可解释性 14 1.4.3 道德与伦理问题 14 1.4.4 法律与监管问题 14 1.4.5 社会影响 15 1.4.6 安全性问题 15 本章小结 15 习题1 16 第2章 开发语言与环境 17 2.1 Python语言简介 18 2.1.1 Python语言发展历程 18 2.1.2 Python语言特点 20 2.2 Python开发环境搭建 21 2.2.1 Python下载与安装 21 2.2.2 Anaconda下载与安装 23 2.3 Python集成开发环境 26 2.3.1 Python常用IDE简介 26 2.3.2 PyCharm下载与安装 26 2.3.3 PyCharm环境配置 29 2.4 运行Python程序 32 2.4.1 使用IDLE运行Python程序 32 2.4.2 使用Spyder运行Python程序 33 2.4.3 使用PyCharm运行Python程序 35 2.5 Python扩展库 36 本章小结 37 习题2 38 第3章 机器学习 39 3.1 机器学习概述 40 3.1.1 定义与核心思想 40 3.1.2 机器学习系统的基本组成 41 3.1.3 发展历程 42 3.1.4 机器学习的主要类型 44 3.1.5 机器学习流程 46 3.2 回归分析 49 3.2.1 回归分析概述 49 3.2.2 线性回归 51 3.2.3 多项式回归 62 3.3 分类 69 3.3.1 神经网络 69 3.3.2 支持向量机 72 3.3.3 决策树 74 3.3.4 随机森林 78 3.3.5 模型评估指标 79 3.4 聚类分析 81 3.4.1 聚类分析概述 81 3.4.2 K-Means聚类 84 3.4.3 层次聚类 85 3.4.4 模型评估指标 87 3.5 实践案例 88 3.5.1 特征工程 88 3.5.2 回归分析 94 3.5.3 分类 98 本章小结 112 习题3 113 第4章 深度学习 114 4.1 深度学习概述 115 4.1.1 什么是深度学习 115 4.1.2 深度学习框架 115 4.1.3 深度网络中的常用操作 116 4.1.4 优化算法 119 4.1.5 正则化和归一化技术 120 4.2 深度学习应用一：图像分类 122 4.2.1 CIFAR10数据集 122 4.2.2 构建网络 124 4.2.3 选择优化器和损失函数 125 4.2.4 训练模型 125 4.2.5 测试模型 126 4.2.6 模型保存与加载 127 4.3 深度学习应用二：回归 128 4.3.1 数据加载和预处理 128 4.3.2 模型建立 129 4.3.3 模型训练与评估 129 4.4 深度学习应用三：目标检测 132 4.4.1 目标检测的评估指标 132 4.4.2 准备数据 133 4.4.3 编写代码 134 4.4.4 可视化结果 134 本章小结 136 习题4 136 第5章 大模型 137 5.1 初识大模型 138 5.1.1 什么是大模型 138 5.1.2 大模型的前世今生 138 5.1.3 常见大模型简介 139 5.2 大模型能做什么 141 5.2.1 理解与生成文字 141 5.2.2 多模态应用 141 5.2.3 行业应用实例 142 5.3 关键技术浅说 143 5.3.1 预训练+微调范式 143 5.3.2 注意力机制 145 5.3.3 提示词工程 147 5.4 挑战与思考 148 5.4.1 存在的问题 148 5.4.2 如何用好大模型 149 5.4.3 未来展望 150 5.5 实践案例 152 5.5.1 理工类：代码生成与调试 152 5.5.2 农业类：农业知识问答 155 5.5.3 人文类：社会舆论观点聚类分析 155 5.5.4 经管类：基金年报分析 156 本章小结 158 习题5 158 第6章 人工智能应用场景 159 6.1 智慧交通 160 6.1.1 智慧交通概述 160 6.1.2 应用案例 161 6.1.3 发展前景和挑战 165 6.2 智慧农业 166 6.2.1 智慧农业概述 167 6.2.2 应用案例 168 6.2.3 发展前景和挑战 173 6.3 智慧医疗 174 6.3.1 智慧医疗概述 174 6.3.2 应用案例 175 6.3.3 发展前景与挑战 179 6.4 智慧商务 180 6.4.1 智慧商务概述 180 6.4.2 应用案例 181 6.4.3 发展前景和挑战 185 6.5 智慧创作 186 6.5.1 智慧创作概述 186 6.5.2 应用案例 186 6.5.3 发展前景与挑战 192 本章小结 194 习题6 194 参考文献 195展开前 言
2012年，AlexNet获得ImageNet比赛冠军；2016年，AlphaGo战胜韩国棋手李世石；2021年8月，DeepMind开发的AlphaFold2实现了人类蛋白组98%三维结构预测；2022年11月，OpenAI推出ChatGPT，构建了具有1750亿量级参数的卷积神经网络大模型；2023年年初，Sora发布，实现了人工智能对物理世界的理解；2024年，诺贝尔物理学奖和化学奖2项颁给人工智能领域的科学家；2025年1月，DeepSeek横空出世；2025年7月，NVIDIA市值破4万亿美元，问鼎全球第一…… 新一代人工智能革命已经到来。人工智能在社会经济生活中展现出强大的力量，已经成为第四次科技革命和产业变革的核心驱动力，是发展新质生产力的核心要素。在这样的时代背景下，社会迫切需要大量掌握人工智能等新一代信息技术的复合应用型人才。无论是理工农医，还是人文社科，人工智能已成为各专业人才培养中必不可少的内容，全面普及人工智能教育是大势所趋。 本书作者从事相关领域研究近20年。本书以作者对人工智能的理解为框架，参考了国内外最新进展，面向高等学校开设的人工智能通识类课程编写，旨在让各专业学生对人工智能技术有一定的了解，以促进学生结合专业需求进一步学习和应用相关知识。 本书具有以下特色。 1．科学化递进式知识体系：遵循认知规律，筑牢系统根基 本书按照“认知奠基—技术攻坚—应用拓展”三个部分逐步推进。第一部分带领读者构建对人工智能的基础认知，为后续学习搭建稳固的知识框架；第二部分深入关键技术层面，剖析编程语言基础、机器学习、深度学习等核心技术及实践应用；第三部分则聚焦于实际应用场景，通过丰富的场景让读者了解人工智能的具体应用。这种由浅入深、层层递进的编排方式，符合学习的认知规律，有助于读者全面、系统地掌握人工智能知识体系。 2．跨学科分层教学体系：统一框架赋能，适配多元需求 本书通过“统一框架+差异化案例+场景化应用”有效平衡通识教育的普适性与专业教育的差异性。一方面，围绕人工智能核心理论与通用方法建立统一知识框架，确保核心内容的系统性与完整性；另一方面，针对理工类、农业类、人文类、经管类等不同专业需求，开发差异化实践教学案例库，既保持了核心知识的一致性，避免内容重复，又能够满足多专业需求并突出专业特色，适合高等学校开展差异化人工智能通识教育。 3．实践导向型案例体系：突破传统局限，强化能力培养 针对传统人工智能通识课程重理论轻实践的痛点，本书以“理论与实践相结合”为核心理念，构建全流程实践教学体系。第2～5章深度融入了多样化的实践案例，通过具体行业需求下的技术落地，将抽象理论知识转化为可操作的实践应用，不仅有效解决了传统教学中“理论与实践脱节”的痛点，而且通过实践过程中的问题分析与方案设计，系统培养读者的创新思维与工程实践能力，切实提升知识转化效能。 全书由韩仲志组织编写，多位老师参与了编写工作，第1章由油海东编写，第2章由王蕊编写，第3章由许海洋、陈建毅编写，第4章由修宗湖、谢德燕编写，第5章由赵磊、张琴编写，第6章由邓立苗、李洪霞编写。韩仲志、邓立苗、刘振斌负责全书统稿和审核。刘平、周斌、王国栋、林艳凤参与了本书的内容整理和校对工作。 由于编者学识水平和能力有限，尽管做了很大努力，书中存在疏漏、不妥甚至错误之处在所难免，敬请广大读者不吝批评指正。 编 者 2025年7月展开作者简介
韩仲志，青岛农业大学教授，博士研究生导师，理学信息科学学院院长。山东省"泰山学者”青年专家，农业农村部"神农青年英才”，中国石油大学（华东）博士，日本千叶大学访问学者。入选学校"1361人才工程”和"特支计划”拔尖人才。担任山东省高等学校青年创新团队带头人、山东省科技特派员产业服务团团长、青岛市农业大数据与智能工程研究中心主任、青岛市农业智能装备专家工作站首席专家，兼任中国农业机械学会工业设计委员会委员等。 -
样 章 试 读
-
图 书 评 价 我要评论
