- 中国铁道出版社
- 9787113305604
- 1-1
- 531544
- 16开
- 2024-01
- 计算机类
- 本科
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 Flappy Bird 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
1.1 Python 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 Flappy Bird 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 A Python 常用库 262
附录 B Python 在教学中的应用案例 272
附录 C 深度学习框架 275
附录 D Python 综合测试
第 1 章 Python 简介 4
1.1 Python 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 Flappy Bird 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 A Python 常用库 262
附录 B Python 在教学中的应用案例 272
附录 C 深度学习框架 275
附录 D Python 综合测试
