掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能導論 第2版 版權信息
- ISBN：9787111770572
- 條形碼：9787111770572 ; 978-7-111-77057-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能導論 第2版 本書特色
1）適合用作“人工智能通識”課程配套教材。 2）課前安排導讀案例，引發學習者的自我學習興趣。 3）提供淺顯易懂的案例，重視對學習方法的培養。 4）精心制作37個知識點視頻，并提供視頻對應PPT。 5）配套提供：電子課件、微課視頻、習題參考答案、教學大綱、教案、知識重難點、題庫。
人工智能導論 第2版 內容簡介
本書是為高等院校、職業本科院校計算機、人工智能各專業“人工智能導論”課程設計編寫的教材，具有豐富的應用特色。全書較為系統、全面地介紹了人工智能相關的概念、理論、技術與應用，可以幫助讀者扎實地打好人工智能的專業知識基礎。本書共18章，內容包括概論、模糊邏輯與大數據思維、智能體與智能代理、知識表示及其方法、規則與專家系統、機器學習及其算法、神經網絡與深度學習、創建智能系統的強化學習、數據挖掘與經典算法、計算機視覺與處理、包容體系結構與機器人、自然語言與語音處理、GPT大語言模型崛起、向動物學習群體智能、智能制造與智能建造、自動規劃及其方法、搜索技術與算法、人工智能的發展。 本書既適合高等院校、職業本科院校學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
人工智能導論 第2版 目錄
前言 br 課程教學進度表 br 第1章概論 br 【導讀案例】有意義的人工智能時代 br 11計算的淵源 br 111阿拉伯數字 br 112巴貝奇與數學機器 br 113“機器人”的由來 br 12計算機的出現 br 121為戰爭而發展的計算機器 br 122計算機無處不在 br 123通用計算機 br 124計算機語言 br 125計算機建模 br 126人工智能大師 br 13人工的智能行為 br 131什么是“智能” br 132類人行為：圖靈測試 br 133類人思考：認知建模 br 134理性思考：思維法則 br 135理性行為：理性智能體 br 14人工智能學科 br 141人工智能學科基礎 br 142人工智能定義 br 143人工智能的實現途徑 br 15人工智能發展的6個階段 br 【作業】 br 第2章模糊邏輯與大數據思維 br 【導讀案例】電商網站的推薦系統 br 21什么是模糊邏輯 br 211甲蟲機器人的規則 br 212模糊邏輯的發明 br 213制定模糊邏輯的規則 br 214模糊邏輯的定義 br 215模糊理論的發展 br 22模糊邏輯系統 br 221純模糊邏輯系統 br 222高木-關野模糊邏輯系統 br 223具有模糊產生器及模糊消除器的模糊邏輯系統 br 23大數據思維與變革 br 231思維轉變之一：樣本=總體 br 232思維轉變之二：接受數據的混雜性 br 233思維轉變之三：數據的相關關系 br 24大數據與人工智能 br 241人工智能與大數據的聯系 br 242人工智能與大數據的區別 br 243人工智能深化大數據應用 br 【作業】 br 第3章智能體與智能代理 br 【導讀案例】智能體：下一個顛覆性AI應用 br 31智能體和環境 br 32智能體的良好行為 br 321性能度量 br 322理性 br 323全知、學習和自主 br 33環境的本質 br 331指定任務環境 br 332任務環境的屬性 br 34智能體的結構 br 341智能體程序 br 342學習型智能體 br 343智能體程序組件的工作 br 35智能代理技術 br 351智能代理的定義 br 352智能代理的典型工作過程 br 353智能代理的特點 br 354系統內的協同合作 br 36智能代理的典型應用 br 361股票/債券/期貨交易 br 362醫療診斷 br 363搜索引擎 br 364實體機器人 br 365游戲代理 br 【作業】 br 第4章知識表示及其方法 br 【導讀案例】智能體將重構人機交互 br 41什么是知識表示 br 411知識的概念 br 412知識表示方法 br 413表示方法的選擇 br 42圖形草圖 br 43圖和哥尼斯堡橋問題 br 44搜索樹（決策樹） br 45產生式系統 br 46面向對象 br 47框架法 br 48語義網絡 br 481語義網絡表示 br 482知識圖譜 br 【作業】 br 第5章規則與專家系統 br 【導讀案例】人工智能時代的工作路徑 br 51專家的技能與特點 br 511在自己的領域里作為專家 br 512技能獲取的5個階段 br 513專家的特點 br 52規則與策略 br 521制勝策略 br 522知識工程 br 523知識獲取 br 53利用規則推導建立專家系統 br 531規則舉例 br 532建立框架 br 533IBM的沃森系統 br 54專家系統及其發展 br 541建立專家系統的思考 br 542專家系統的特征 br 543典型的專家系統——ADIS br 55專家系統的結構 br 551專家系統的功能 br 552知識庫 br 553推理機 br 554其他部分 br 555實現方式 br 【作業】 br 第6章機器學習及其算法 br 【導讀案例】奈飛的電影推薦引擎 br 61什么是機器學習 br 611機器學習的發展 br 612機器學習的定義 br 613機器學習的研究 br 62基于學習方式的分類 br 621監督學習 br 622無監督學習 br 623強化學習 br 624機器學習的其他分類 br 63機器學習的基本結構 br 64機器學習算法 br 641專注于學習能力 br 642回歸算法 br 643基于實例的算法 br 644決策樹算法 br 645樸素貝葉斯算法 br 646聚類算法 br 647支持向量機算法 br 648神經網絡算法 br 649Boosting與Bagging算法 br 6410關聯規則算法 br 6411EM（期望*大化）算法 br 65機器學習的應用 br 651數據分析與挖掘 br 652模式識別 br 653生物信息學應用 br 654物聯網 br 655聊天機器人 br 656自動駕駛 br 【作業】 br 第7章神經網絡與深度學習 br 【導讀案例】谷歌大腦 br 71動物的中樞神經系統 br 711神經系統的結構 br 712神經系統學習機制 br 72了解人工神經網絡 br 721人工神經網絡的研究 br 722典型的人工神經網絡 br 723類腦計算機 br 73深度學習的定義 br 731深度學習的優勢 br 732深度學習的意義 br 733神經網絡理解圖片 br 734訓練神經網絡 br 735深度學習的方法 br 74卷積神經網絡 br 741為什么選擇卷積 br 742卷積神經網絡結構 br 75遷移學習 br 751基于實例的遷移 br 752基于特征的遷移 br 753基于共享參數的遷移 br 76深度學習的應用 br 【作業】 br 第8章創建智能系統的強化學習 br 【導讀案例】機器學習幫助拯救瀕危物種 br 81強化學習的定義 br 811以獎勵假說為基礎 br 812片段性任務及連續性任務 br 813強化學習發展歷史 br 814基本模型和原理 br 815網絡模型設計 br 816設計考慮 br 817數據依賴性 br 82強化學習與監督學習的區別 br 821強化學習與監督學習和無監督 br 學習的不同 br 822學習方式 br 823先驗知識與標注數據 br 83強化學習的基礎理論 br 831基于模型環境與免模型環境 br 832探索與利用 br 833預測與控制 br 84強化學習分類 br 841從獎勵中學習 br 842被動強化學習 br 843主動強化學習 br 844強化學習中的泛化 br 845學徒學習與逆強化學習 br 85強化學習的應用 br 851游戲博弈 br 852機器人控制 br 853制造業 br 854醫療服務業 br 855電子商務 br 【作業】 br 第9章數據挖掘與經典算法 br 【導讀案例】評估葡萄酒的品質 br 91從數據到知識 br 911決策樹分析 br 912購物車分析 br 913貝葉斯網絡 br 92數據挖掘方法 br 921數據挖掘的發展 br 922數據挖掘的對象 br 923數據挖掘的步驟 br 924數據挖掘分析方法 br 93數據挖掘經典算法 br 931神經網絡法 br 932決策樹法 br 933遺傳算法 br 934粗糙集法 br 935模糊集法 br 936關聯規則法 br 94機器學習和數據挖掘 br 941數據挖掘和機器學習典型過程 br 942機器學習和數據挖掘應用案例 br 【作業】 br 第10章計算機視覺與處理 br 【導讀案例】模仿人類視網膜的生物芯片 br 101模式識別 br 102圖像識別 br 1021人類的圖像識別能力 br 1022圖像識別的基礎 br 1023圖形識別的模型 br 1024神經網絡圖像識別 br 103計算機視覺技術 br 1031什么是機器視覺 br 1032定義計算機視覺 br 1033計算機視覺與機器視覺的區別 br 104智能圖像處理技術 br 1041圖像采集 br 1042圖像預處理 br 1043圖像分割 br 1044目標識別和分類 br 1045目標定位和測量 br 1046目標檢測和跟蹤 br 105計算機視覺系統典型功能 br 106計算機視覺技術的應用 br 1061機器視覺的行業應用 br 1062檢測與機器人視覺應用 br 1063布匹生產質量檢測 br 【作業】 br 第11章包容體系結構與機器人 br 【導讀案例】RoboCup機器人世界杯足球錦標賽 br 111什么是包容體系結構 br 1111所謂“中文房間” br 1112傳統機器人學 br 1113建立包容體系結構 br 112包容體系結構的實現 br 1121艾倫機器人 br 1122赫伯特機器人 br 1123托托機器人 br 113劃時代的阿波羅計劃 br 114機器感知 br 1141機器智能與智能機器 br 1142機器思維與思維機器 br 1143機器行為與行為機器 br 115機器人的概念 br 1151機器人的發展 br 1152機器人“三原則” br 116機器人的技術問題 br 1161機器人的組成 br 1162機器人的運動 br 1163機器人大狗 br 【作業】 br 第12章自然語言與語音處理 br 【導讀案例】機器翻譯：大數據簡單算法與小數據復雜算法 br 121語言的問題和可能性 br 122什么是自然語言處理 br 1221自然語言處理的原因 br 1222自然語言處理的方法 br 1223自然語言處理的任務 br 1224語言模型 br 123語法類型與語義分析 br 1231語法類型 br 1232語義分析 br 124處理數據與處理工具 br 1241統計NLP語言數據集 br 1242自然語言處理工具 br 1243自然語言處理技術難點 br 125語音處理 br 1251語音處理的發展 br 1252語音理解 br 1253語音識別 br 【作業】 br 第13章GPT大語言模型崛起 br 【導讀案例】難以區分的人工智能和人類藝術 br 131自然語言處理的進步 br 1311關于ImageNet br 1312自然語言處理的ImageNet時刻 br 1313從GPT-1到GPT-3 br 1314ChatGPT聊天機器人模型與對策 br 1315從文本生成音樂的MusicLM模型 br 1316檢測AI文本的DetectGPT算法 br 132科普AI大語言模型 br 1321大語言模型的能力 br 1322國內的大語言模型 br 1323獲得大模型的機會 br 133ChatGPT的模仿秀 br 1331舊的守衛，新的想法 br 1332搜索引擎結合LLM br 1333克服簡單編造與重復 br 134傳統行業的下崗 br 1341客服市場，AI本來就很“卷” br 1342伐木場迎來工業革命 br 1343新技術，新問題 br 【作業】 br 第14章向動物學習群體智能 br 【導讀案例】“超級蜂群”無人機 br 141向蜜蜂學習群體智能 br 142什么是群體智能 br 1421群體人工智能技術 br 1422群體智能的兩種機制 br 1423基本原則與特點 br 143典型算法模型 br 1431蟻群算法 br 1432搜索機器人 br 1433微粒群（鳥群）優化算法 br 1434沒有機器人的集群 br 144群體智能背后的故事 br 145群體智能的應用與發展 br 【作業】 br 第15章智能制造與智能建造 br 【導讀案例】互聯網之父預言：智能眼鏡未來將取代手機 br 151智能制造 br 1511綜合特征 br 1512智能技術 br 1513測控裝置 br 1514運作過程 br 152數字孿生 br 1521數字孿生的動態仿真 br 1522數字孿生的價值 br 153建筑信息模型 br 1531BIM基本特性 br 1532BIM對工程造價的影響 br 1533BIM模型的構架 br 1534BIM生態系統 br 1535BIM全周期實施規劃 br 154智能建造 br 1541智能建造的定義 br 1542實現智能建造 br 【作業】 br 第16章自動規劃及其方法 br 【導讀案例】人與機器更好相處的“阿凡達”之路 br 161規劃的概念 br 162人工智能的烏姆普思世界 br 1621描述烏姆普思世界 br 1622探索烏姆普思世界 br 163什么是自動規劃 br 1631定義經典規劃 br 1632自動規劃問題 br 164規劃方法 br 1641規劃即搜索 br 1642部分有序規劃 br 1643分級規劃 br 1644基于案例的規劃 br 1645規劃方法分析 br 165時間、調度和資源 br 1651時間約束和資源約束的表示 br 1652解決調度問題 br 166自動規劃的應用 br 【作業】 br 第17章搜索技術與算法 br 【導讀案例】科研變革進入第五范式：“加速”也要防“跑偏” br 171關于搜索算法 br 172盲目搜索 br 1721狀態空間圖 br 1722回溯算法 br 1723貪婪算法 br 1724旅行銷售員問題 br 1725深度優先搜索 br 1726廣度優先搜索 br 1727迭代加深搜索 br 173知情搜索 br 1731啟發法 br 1732爬山法 br 1733*陡爬坡法 br 1734*佳優先搜索 br 1735分支定界法 br 1736A*算法 br 174受到自然啟發的搜索 br 1741遺傳規劃 br 1742螞蟻聚居地優化 br 1743模擬退火 br 1744粒子群 br 1745禁忌搜索 br 【作業】 br 第18章人工智能的發展 br 【導讀案例】AI生成的作品也有著作權 br 181創新發展與社會影響 br 1811人工智能發展的啟示 br 1812人工智能的發展現狀與影響 br 182倫理與安全 br 1821創造智能機器的大猩猩問題 br 1822積極與消極的方面 br 1823人才和基礎設施短缺 br 1824設定倫理要求 br 1825強力保護個人隱私 br 1826機器人權利 br 183人工智能的極限 br 1831由非形式化得出的論據 br 1832衡量人工智能 br 184人工智能架構 br 1841傳感器與執行器 br 1842通用人工智能 br 1843人工智能工程 br 185未來的人工智能 br 1851意識與感質 br 1852機器能思考嗎 br 1853從模仿到理解 br 1854未來已來 br 【作業】 br 附錄作業參考答案 br 參考文獻前言課程教學進度表第1章概論【導讀案例】有意義的人工智能時代11計算的淵源111阿拉伯數字112巴貝奇與數學機器113“機器人”的由來12計算機的出現121為戰爭而發展的計算機器122計算機無處不在123通用計算機124計算機語言125計算機建模126人工智能大師13人工的智能行為131什么是“智能”132類人行為：圖靈測試133類人思考：認知建模134理性思考：思維法則135理性行為：理性智能體14人工智能學科141人工智能學科基礎142人工智能定義143人工智能的實現途徑15人工智能發展的6個階段【作業】第2章模糊邏輯與大數據思維【導讀案例】電商網站的推薦系統21什么是模糊邏輯211甲蟲機器人的規則212模糊邏輯的發明213制定模糊邏輯的規則214模糊邏輯的定義215模糊理論的發展22模糊邏輯系統221純模糊邏輯系統222高木-關野模糊邏輯系統223具有模糊產生器及模糊消除器的模糊邏輯系統23大數據思維與變革231思維轉變之一：樣本=總體232思維轉變之二：接受數據的混雜性233思維轉變之三：數據的相關關系24大數據與人工智能241人工智能與大數據的聯系242人工智能與大數據的區別243人工智能深化大數據應用【作業】第3章智能體與智能代理【導讀案例】智能體：下一個顛覆性AI應用31智能體和環境32智能體的良好行為321性能度量322理性323全知、學習和自主33環境的本質331指定任務環境332任務環境的屬性34智能體的結構341智能體程序342學習型智能體343智能體程序組件的工作35智能代理技術351智能代理的定義352智能代理的典型工作過程353智能代理的特點354系統內的協同合作36智能代理的典型應用361股票/債券/期貨交易362醫療診斷363搜索引擎364實體機器人365游戲代理【作業】第4章知識表示及其方法【導讀案例】智能體將重構人機交互41什么是知識表示411知識的概念412知識表示方法413表示方法的選擇42圖形草圖43圖和哥尼斯堡橋問題44搜索樹（決策樹）45產生式系統46面向對象47框架法48語義網絡481語義網絡表示482知識圖譜【作業】第5章規則與專家系統【導讀案例】人工智能時代的工作路徑51專家的技能與特點511在自己的領域里作為專家512技能獲取的5個階段513專家的特點52規則與策略521制勝策略522知識工程523知識獲取53利用規則推導建立專家系統531規則舉例532建立框架533IBM的沃森系統54專家系統及其發展541建立專家系統的思考542專家系統的特征543典型的專家系統——ADIS55專家系統的結構551專家系統的功能552知識庫553推理機554其他部分555實現方式【作業】第6章機器學習及其算法【導讀案例】奈飛的電影推薦引擎61什么是機器學習611機器學習的發展612機器學習的定義613機器學習的研究62基于學習方式的分類621監督學習622無監督學習623強化學習624機器學習的其他分類63機器學習的基本結構64機器學習算法641專注于學習能力642回歸算法643基于實例的算法644決策樹算法645樸素貝葉斯算法646聚類算法647支持向量機算法648神經網絡算法649Boosting與Bagging算法6410關聯規則算法6411EM（期望*大化）算法65機器學習的應用651數據分析與挖掘652模式識別653生物信息學應用654物聯網655聊天機器人656自動駕駛【作業】第7章神經網絡與深度學習【導讀案例】谷歌大腦71動物的中樞神經系統711神經系統的結構712神經系統學習機制72了解人工神經網絡721人工神經網絡的研究722典型的人工神經網絡723類腦計算機73深度學習的定義731深度學習的優勢732深度學習的意義733神經網絡理解圖片734訓練神經網絡735深度學習的方法74卷積神經網絡741為什么選擇卷積742卷積神經網絡結構75遷移學習751基于實例的遷移752基于特征的遷移753基于共享參數的遷移76深度學習的應用【作業】第8章創建智能系統的強化學習【導讀案例】機器學習幫助拯救瀕危物種81強化學習的定義811以獎勵假說為基礎812片段性任務及連續性任務813強化學習發展歷史814基本模型和原理815網絡模型設計816設計考慮817數據依賴性82強化學習與監督學習的區別821強化學習與監督學習和無監督學習的不同822學習方式823先驗知識與標注數據83強化學習的基礎理論831基于模型環境與免模型環境832探索與利用833預測與控制84強化學習分類841從獎勵中學習842被動強化學習843主動強化學習844強化學習中的泛化845學徒學習與逆強化學習85強化學習的應用851游戲博弈852機器人控制853制造業854醫療服務業855電子商務【作業】第9章數據挖掘與經典算法【導讀案例】評估葡萄酒的品質91從數據到知識911決策樹分析912購物車分析913貝葉斯網絡92數據挖掘方法921數據挖掘的發展922數據挖掘的對象923數據挖掘的步驟924數據挖掘分析方法93數據挖掘經典算法931神經網絡法932決策樹法933遺傳算法934粗糙集法935模糊集法936關聯規則法94機器學習和數據挖掘941數據挖掘和機器學習典型過程942機器學習和數據挖掘應用案例【作業】第10章計算機視覺與處理【導讀案例】模仿人類視網膜的生物芯片101模式識別102圖像識別1021人類的圖像識別能力1022圖像識別的基礎1023圖形識別的模型1024神經網絡圖像識別103計算機視覺技術1031什么是機器視覺1032定義計算機視覺1033計算機視覺與機器視覺的區別104智能圖像處理技術1041圖像采集1042圖像預處理1043圖像分割1044目標識別和分類1045目標定位和測量1046目標檢測和跟蹤105計算機視覺系統典型功能106計算機視覺技術的應用1061機器視覺的行業應用1062檢測與機器人視覺應用1063布匹生產質量檢測【作業】第11章包容體系結構與機器人【導讀案例】RoboCup機器人世界杯足球錦標賽111什么是包容體系結構1111所謂“中文房間”1112傳統機器人學1113建立包容體系結構112包容體系結構的實現1121艾倫機器人1122赫伯特機器人1123托托機器人113劃時代的阿波羅計劃114機器感知1141機器智能與智能機器1142機器思維與思維機器1143機器行為與行為機器115機器人的概念1151機器人的發展1152機器人“三原則”116機器人的技術問題1161機器人的組成1162機器人的運動1163機器人大狗【作業】第12章自然語言與語音處理【導讀案例】機器翻譯：大數據簡單算法與小數據復雜算法121語言的問題和可能性122什么是自然語言處理1221自然語言處理的原因1222自然語言處理的方法1223自然語言處理的任務1224語言模型123語法類型與語義分析1231語法類型1232語義分析124處理數據與處理工具1241統計NLP語言數據集1242自然語言處理工具1243自然語言處理技術難點125語音處理1251語音處理的發展1252語音理解1253語音識別【作業】第13章GPT大語言模型崛起【導讀案例】難以區分的人工智能和人類藝術131自然語言處理的進步1311關于ImageNet1312自然語言處理的ImageNet時刻1313從GPT-1到GPT-31314ChatGPT聊天機器人模型與對策1315從文本生成音樂的MusicLM模型1316檢測AI文本的DetectGPT算法132科普AI大語言模型1321大語言模型的能力1322國內的大語言模型1323獲得大模型的機會133ChatGPT的模仿秀1331舊的守衛，新的想法1332搜索引擎結合LLM1333克服簡單編造與重復134傳統行業的下崗1341客服市場，AI本來就很“卷”1342伐木場迎來工業革命1343新技術，新問題【作業】第14章向動物學習群體智能【導讀案例】“超級蜂群”無人機141向蜜蜂學習群體智能142什么是群體智能1421群體人工智能技術1422群體智能的兩種機制1423基本原則與特點143典型算法模型1431蟻群算法1432搜索機器人1433微粒群（鳥群）優化算法1434沒有機器人的集群144群體智能背后的故事145群體智能的應用與發展【作業】第15章智能制造與智能建造【導讀案例】互聯網之父預言：智能眼鏡未來將取代手機151智能制造1511綜合特征1512智能技術1513測控裝置1514運作過程152數字孿生1521數字孿生的動態仿真1522數字孿生的價值153建筑信息模型1531BIM基本特性1532BIM對工程造價的影響1533BIM模型的構架1534BIM生態系統1535BIM全周期實施規劃154智能建造1541智能建造的定義1542實現智能建造【作業】第16章自動規劃及其方法【導讀案例】人與機器更好相處的“阿凡達”之路161規劃的概念162人工智能的烏姆普思世界1621描述烏姆普思世界1622探索烏姆普思世界163什么是自動規劃1631定義經典規劃1632自動規劃問題164規劃方法1641規劃即搜索1642部分有序規劃1643分級規劃1644基于案例的規劃1645規劃方法分析165時間、調度和資源1651時間約束和資源約束的表示1652解決調度問題166自動規劃的應用【作業】第17章搜索技術與算法【導讀案例】科研變革進入第五范式：“加速”也要防“跑偏”171關于搜索算法172盲目搜索1721狀態空間圖1722回溯算法1723貪婪算法1724旅行銷售員問題1725深度優先搜索1726廣度優先搜索1727迭代加深搜索173知情搜索1731啟發法1732爬山法1733*陡爬坡法1734*佳優先搜索1735分支定界法1736A*算法174受到自然啟發的搜索1741遺傳規劃1742螞蟻聚居地優化1743模擬退火1744粒子群1745禁忌搜索【作業】第18章人工智能的發展【導讀案例】AI生成的作品也有著作權181創新發展與社會影響1811人工智能發展的啟示1812人工智能的發展現狀與影響182倫理與安全1821創造智能機器的大猩猩問題1822積極與消極的方面1823人才和基礎設施短缺1824設定倫理要求1825強力保護個人隱私1826機器人權利183人工智能的極限1831由非形式化得出的論據1832衡量人工智能184人工智能架構1841傳感器與執行器1842通用人工智能1843人工智能工程185未來的人工智能1851意識與感質1852機器能思考嗎1853從模仿到理解1854未來已來【作業】附錄作業參考答案參考文獻
展開全部
人工智能導論 第2版 作者簡介
凌鋒，男，博士，浙江省人工智能會理事，麗水學院電子與電氣系主任，中共黨員，2005年本科畢業于西南大學，2010年獲電子科技大學碩士學位，2022年獲博士學位，持有電子與通信、控制類專業高校教師資格證，雙能型教師（認定）。擅長人工智能、嵌入式、物聯網及無線通信、機器視覺等電子產品及系統設計。周蘇，1958年出生，蘇州人。浙江大學城市學院教授，清華大學訪問學者，科技部相關機構認證創新工程師（二級），清華大學《計算機教育》雜志“周蘇專欄”作者。周蘇教授的主要教學和研究方向為軟件工程、操作系統和多媒體技術等，僅從自1999年參加獨立學院工作以來，潛心體驗大眾化教育背景下的教學活動并探索其規律，認真踏實地進行教改研究，在教材研究與建設，教學方法改革與創新等方面積累了豐富的經驗。
書友推薦
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
- >
李白與唐代文化
- >
上帝之肋:男人的真實旅程
- >
姑媽的寶刀
- >
名家帶你讀魯迅:朝花夕拾
- >
羅曼·羅蘭讀書隨筆-精裝
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
