人工智能導論（第2版）（微課版）

陳永，江蘇海事職業技術學院 質量管理處、智慧校園建設處處長，兼任民盟江蘇省委職業教育委員會委員、江蘇省計算機學會副秘書長，教育部職業院校信息化教學指導委員會數字資源專委會委員、教育部職業院校信息化專家組專家、全國高等院校計算機基礎研究會電子信息委員會副秘書長；中國計算機學會高級會員。

 

 

 

第 1章

人工智能概述 1

1.1 人工智能簡介 1

1.1.1 人工智能的定義 1

1.1.2 人工智能的特點 2

1.1.3 人工智能的分類 2

1.2 人工智能的起源與發展 3

1.2.1 人工智能的歷史 3

1.2.2 我國的人工智能發展現狀 5

1.3 人工智能的研究內容 6

1.3.1 機器學習 6

1.3.2 深度學習 6

1.3.3 強化學習 6

1.3.4 自然語言處理 6

1.3.5 計算機視覺 7

1.3.6 知識圖譜 7

1.3.7 智能決策與規劃 7

1.3.8 機器人技術 7

1.4 人工智能研究的主要學派 8

1.4.1 符號主義 8

1.4.2 連接主義 8

1.4.3 行為主義 8

1.5 人工智能的應用 9

1.5.1 自動駕駛 9

1.5.2 智能家居 9

1.5.3 智慧金融 10

1.5.4 智慧工業 10

1.5.5 智慧教育 10

1.6 小結 11

1.7 習題 11

第 2章

人工智能基礎知識 12

2.1 人工智能的數學基礎 12

2.1.1 微積分 12

2.1.2 線性代數 13

2.1.3 概率論與數理統計 13

2.1.4 最優化理論 14

2.1.5 形式邏輯 14

2.2 人工智能的常用工具 14

2.2.1 TensorFlow 15

2.2.2 Mahout 15

2.2.3 Torch 15

2.2.4 Spark MLlib 15

2.2.5 Keras 15

2.2.6 CNTK 16

2.2.7 Caffe 16

2.2.8 Scikit-learn 16

2.3 數據采集 16

2.3.1 數據采集的概念 16

2.3.2 數據采集的常見方法 17

2.4 數據存儲 19

2.4.1 數據存儲的概念 19

2.4.2 數據存儲的方式 19

2.5 數據清洗 21

2.5.1 數據清洗的概念 21

2.5.2 數據清洗的原理 22

2.5.3 數據清洗的應用領域 23

2.6 數據分析 23

2.6.1 大數據分析概述 24

2.6.2 大數據分析的主要類型 24

2.6.3 數據挖掘 24

2.7 數據可視化 26

2.7.1 數據可視化概述 26

2.7.2 數據可視化的應用 28

2.8 小結 30

2.9 習題 31

 

第3章

機器學習 32

3.1 機器學習概述 32

3.1.1 機器學習簡介 32

3.1.2 機器學習的發展 33

3.1.3 機器學習的未來 34

3.2 機器學習的分類 34

3.2.1 監督學習 34

3.2.2 無監督學習 35

3.2.3 半監督學習 36

3.2.4 遷移學習 37

3.2.5 強化學習 37

3.3 機器學習常用算法 38

3.3.1 回歸算法 39

3.3.2 聚類算法 42

3.3.3 降維算法 44

3.3.4 決策樹算法 45

3.3.5 貝葉斯算法 46

3.3.6 支持向量機算法 48

3.3.7 關聯規則算法 50

3.3.8 優化算法 52

3.4 小結 54

3.5 習題 55

 

第4章

深度學習 56

4.1 神經網絡 56

4.1.1 神經網絡簡介 56

4.1.2 神經網絡發展歷史 57

4.1.3 神經網絡的結構 58

4.1.4 神經網絡的學習 59

4.1.5 激活函數 59

4.1.6 損失函數 61

4.2 感知機 62

4.2.1 感知機簡介 62

4.2.2 多層感知機 63

4.3 卷積神經網絡 64

4.3.1 卷積神經網絡簡介 64

4.3.2 卷積神經網絡的結構 64

4.3.3 常用的卷積神經網絡 66

4.4 循環神經網絡 67

4.4.1 循環神經網絡簡介 68

4.4.2 循環神經網絡的結構 68

4.4.3 常用的循環神經網絡 69

4.5 生成對抗網絡 69

4.5.1 生成對抗網絡簡介 70

4.5.2 生成對抗網絡的結構 70

4.5.3 常用的生成對抗網絡 71

4.6 深度學習的應用 72

4.6.1 自動駕駛 72

4.6.2 工業產品質檢 73

4.7 小結 74

4.8 習題 75

 

第5章

計算機視覺 76

5.1 計算機視覺概述 76

5.1.1 計算機視覺簡介 76

5.1.2 計算機視覺的發展歷史 77

5.1.3 計算機視覺研究的意義 78

5.1.4 計算機視覺面臨的挑戰 79

5.2 圖像分類 79

5.2.1 圖像分類簡介 79

5.2.2 圖像分類算法 80

5.3 目標檢測 83

5.3.1 目標檢測簡介 83

5.3.2 目標檢測框架模型 83

5.4 圖像分割 86

5.4.1 圖像分割簡介 86

5.4.2 圖像分割算法 87

5.5 計算機視覺的應用 88

5.5.1 安防監控 88

5.5.2 無人機導航 89

5.5.3 智能工廠 90

5.6 小結 91

5.7 習題 91

 

第6章

自然語言處理 92

6.1 自然語言處理簡介 92

6.1.1 自然語言處理的定義 92

6.1.2 自然語言處理的發展歷程 93

6.1.3 自然語言處理的一般工作流程 94

6.1.4 自然語言處理的組成 95

6.2 自然語言理解 96

6.2.1 自然語言理解的層次 96

6.2.2 詞法分析 96

6.2.3 句法分析 97

6.2.4 語義分析 98

6.3 信息檢索 99

6.3.1 信息檢索簡介 99

6.3.2 信息檢索的發展歷程 99

6.3.3 信息檢索的應用 100

6.4 機器翻譯 102

6.4.1 機器翻譯的基本模式 102

6.4.2 機器翻譯的應用 103

6.5 情感分析 104

6.5.1 情感分析概述 104

6.5.2 情感分析的定義 104

6.5.3 情感分析的應用 105

6.6 語音識別 105

6.6.1 語音識別的定義 105

6.6.2 語音識別的發展歷程 105

6.6.3 語音識別的基本原理 106

6.6.4 語音識別的應用 107

6.7 自然語言處理面臨的問題和

展望 107

6.7.1 自然語言處理面臨的問題 108

6.7.2 自然語言處理的展望 109

6.8 小結 110

6.9 習題 111

 

第7章

大語言模型與AIGC 112

7.1 認識大語言模型 112

7.1.1 大語言模型概述 112

7.1.2 大語言模型預訓練過程 114

7.1.3 大語言模型產品 116

7.2 大語言模型算法 118

7.2.1 變分自編碼器 118

7.2.2 Transformer模型 119

7.2.3 擴散模型 121

7.3 AIGC 121

7.3.1 認識AIGC 122

7.3.2 AIGC提示詞 123

7.4 AIGC的應用 126

7.4.1 AIGC文本生成 126

7.4.2 AIGC圖像生成 128

7.4.3 AIGC視頻生成 129

7.4.4 AIGC輔助編程 130

7.5 小結 131

7.6 習題 131

 

第8章

知識圖譜 132

8.1 知識圖譜簡介 132

8.1.1 知識圖譜的定義 132

8.1.2 知識圖譜的發展歷史 133

8.1.3 知識圖譜的類型 134

8.2 知識表示和知識建模 135

8.2.1 知識表示 136

8.2.2 知識建模 138

8.3 知識抽取 139

8.3.1 實體抽取 140

8.3.2 關系抽取 140

8.3.3 屬性抽取 140

8.4 知識存儲 141

8.4.1 知識存儲概述 141

8.4.2 知識存儲方式 141

8.4.3 知識存儲工具 142

8.5 知識融合 143

8.5.1 知識融合概述 143

8.5.2 知識融合過程 143

8.6 知識推理 143

8.6.1 知識圖譜的表示 144

8.6.2 並行知識推理 144

8.6.3 實體關系知識推理 144

8.6.4 模式歸納知識推理 144

8.7 知識圖譜的應用 145

8.7.1 語義搜索 145

8.7.2 問答系統 146

8.8 小結 147

8.9 習題 148

 

第9章

人工智能技術應用場景 149

9.1 智慧交通 149

9.1.1 智慧交通的概念 149

9.1.2 智慧交通中的人工智能應用 150

9.1.3 智慧交通中的核心技術 151

9.2 智慧農業 153

9.2.1 智慧農業的概念 153

9.2.2 智慧農業中的人工智能應用 153

9.2.3 智慧農業中的核心技術 154

9.3 智能制造 156

9.3.1 智能制造的概念 156

9.3.2 智能制造的特征 156

9.3.3 智能制造中的人工智能應用 158

9.3.4 智能制造的發展 160

9.4 小結 161

9.5 習題 161

 

第 10章

智能機器人 162

10.1 智能機器人概述 162

10.1.1 機器人簡介 162

10.1.2 認識智能機器人 166

10.1.3 智能機器人的發展現狀 167

10.1.4 智能機器人的發展展望 168

10.2 智能機器人的核心技術 169

10.2.1 感知技術 169

10.2.2 定位導航 170

10.2.3 人機交互 173

10.2.4 決策與規劃 174

10.3 我國智能機器人的發展情況 175

10.4 小結 176

10.5 習題 176

 

第 11章

人工智能的挑戰與未來 177

11.1 人工智能的挑戰 177

11.1.1 數據 177

11.1.2 人工智能算法偏見與模型

可解釋性 179

11.1.3 人工智能應用和場景 180

11.2 人工智能對社會的影響 180

11.2.1 人工智能對教育與就業的影響 181

11.2.2 人工智能對隱私與安全的影響 182

11.3 人工智能的未來 182

11.3.1 人工智能未來的發展趨勢 183

11.3.2 人工智能未來的應用趨勢 184

11.4 小結 186

11.5 習題 186