人工智能技术基础及应用_张伟李晓磊田天_9787111712558_湖南知新文化传播有限公司读者荐购服务

本书聚焦近期涌现的人工智能、机器人工程、智能医学工程等新工科专业对于人才培养的实际需求，着力解决人工智能基础知识交叉贯通不足、配套实验实践支撑不强等问题。书中主要内容包括Python编程基础、神经网络基础、深度学习计算框架、卷积神经网络、序列到序列网络、目标检测及其应用、语义分割及其应用等。
本书结合高等院校人工智能相关专业的知识体系，将基础知识和编程实践相结合，通过代码实例分析，使得基础知识变得直观易懂；通过基础Python编程和PyTorch框架编程的结合进行实践，适应互联网时代共享代码的社区生态需求；通过综合实践例程，使读者经历知识学习、数据准备、代码编写、参数调试、结果分析等过程，在掌握相关技术的同时提高学习兴趣。
本书可满足高等院校人工智能相关专业的学生学习基础知识及实践创新的需求，也可为电子、信息等相关领域的从业者转型人工智能领域提供入门学习资料。

近年来，受益于硬件计算能力的跨越式提升和海量数据的涌现，神经网络、卷积神经网络、深度学习等理论算法得以高效实现并不断优化，在人工智能技术和相关产业应用中的地位和重要性日益提升。2006年，G.E.Hinton研究组有关深层网络训练的工作使得深度学习重回大众视野，该年因此也被称为深度学习元年。2012年，G.E.Hinton研究组凭借AlexNet在备受关注的ImageNet竞赛中强势夺冠后，基于深度学习的人工智能技术更是迎来爆发式发展期，在图像、语音等领域获得了优异的表现，并得到产业界的广泛认可和大力推进。
在人工智能算法的实现和部署过程中，有C、C++、Java、Python等高级编程语言可供选择，其中可读性好、灵活性强、库资源丰富的Python语言一直是大部分深度学习和人工智能领域开发人员的首选。对高等院校及相关行业的人工智能技术初学者来说，在学习前沿理论知识的同时，结合Python编程语言进行人工智能技术实践，是加深其对人工智能基础知识的理解、快速提升其技术开发能力的有效途径，因而本书使用Python作为算法实现、实验实践的编程语言。
本书聚焦国家新一代人工智能发展规划，面向人工智能、机器人工程、智能医学工程等新工科专业人才培养的实际需求，着力解决人工智能基础知识交叉不足、理论技术和业界应用关联不紧及实验实践教材匮乏、内容体系支撑不强等问题，主要内容包括Python编程基础、神经网络基础、深度学习计算框架、卷积神经网络、序列到序列网络、目标检测及其应用、语义分割及其应用等。
本书突出前沿性、实践性，以深度学习关键技术为牵引，设计构建紧贴产业实际的实践案例，可满足高等院校相关专业的本科生或研究生人工智能基础知识学习及实践创新的需求，也可以作为相关行业技术人员的参考资料。
本书基于山东大学人工智能、机器人工程、智能医学工程等新工科专业建设，特别是“人工智能与机器人”新工科实验班的教学育人实践，参考借鉴其他高水平大学人工智能相关专业知识体系的构成，将基础知识和编程实践相结合，通过代码实例分析，使得基础知识变得直观易懂；将基础Python编程和PyTorch框架编程结合设计实践内容，以适应互联网时代共享代码的社区生态需求；通过综合实践例程，帮助读者打通知识学习、数据准备、代码编写、参数调试、结果分析等全链条学习过程，在掌握相关技术的同时提高学习兴趣。
本书编写过程中，陈佳铭、曹淑强、孟子喻等十余名研究生参与了本书的校对工作，并对其中的代码进行了验证和完善，在此一并致谢！书中的实践例程多来源于人工智能技术的实际应用，具备良好的经济和社会效益，对于实践创新将起到良好的启发和指导作用。
以深度学习为基础的人工智能技术发展得如火如荼，但也面临诸多的挑战。希望本书能够引领读者打开人工智能技术的大门，不断开拓创新，在学术界或行业内创造优异成果！

你还可能感兴趣

我要评论