人工智能與大模型應用基礎（微課版）

馮磊，副教授，工學博士，研究方向為計算機視覺。多年來積極參與教學研究工作，主持並參與教改課題2項，發表教研論文3篇，參與省級精品課程建設、國家共享資源課程建設。在計算機視覺領域，發表SCI論文4篇，主持並主要參與多項河北省科技廳項目，其中獲邢臺市科技進步二等獎1項。多次獲得學院優秀教師、優秀教育工作者、優秀共產黨員等榮譽稱號。

目 錄

項目1 初識人工智能 1

任務1-1 人工智能初體驗 3

【任務提出】 3

【任務分析】 3

【知識準備】 4

1.1 人工智能定義 4

1.2 人工智能發展歷程 4

1.3 人工智能發展裏程碑事件 6

1.4 人工智能關鍵技術 8

1.4.1 智能芯片技術 8

1.4.2 基礎算法技術 8

1.4.3 感知技術 9

1.5 人工智能的分類 12

1.5.1 按智能程度分類 12

1.5.2 按研究學派分類 13

1.6 人工智能典型應用 15

1.6.1 無人駕駛汽車 15

1.6.2 人臉識別 16

1.6.3 機器翻譯 17

1.6.4 聲紋識別 17

1.6.5 智能客服機器人 18

1.6.6 智能外呼機器人 19

1.6.7 智能音箱 19

1.6.8 個性化推薦 20

1.6.9 醫學圖像處理 21

1.6.10 圖像搜索 21

1.7 人工智能未來發展趨勢 22

1.8 AI開放平臺 24

1.9 Orange開源軟件 32

1.9.1 橙現智能（Orange）軟件介紹 33

1.9.2 軟件下載與安裝 34

【任務實現】 35

【任務總結】 44

【鞏固練習】 44

【任務拓展】 46

拓展閱讀 AI浪潮中的華人之光 47

項目2 機器學習應用 49

任務2-1 顧客市場分析 51

【任務提出】 51

【任務分析】 51

【知識準備】 52

2.1 機器學習概述 52

2.1.1 學習的定義 52

2.1.2 機器學習的定義 52

2.2 機器學習的學習方式 52

2.2.1 監督學習 53

2.2.2 無監督學習 53

2.2.3 半監督學習 54

2.2.4 強化學習 54

2.3 機器學習常見的任務類型 55

2.3.1 聚類 55

2.3.2 分類 56

2.3.3 回歸 56

2.3.4 明確任務類型 56

2.4 機器學習基本流程 57

2.5 常見的聚類算法 59

2.5.1 K均值算法 59

2.5.2 層次聚類算法 62

2.6 聚類算法評估指標 63

【任務實現】 64

【任務總結】 67

【鞏固練習】 67

【任務拓展】 68

任務2-2 葡萄酒分類 70

【任務提出】 70

【任務分析】 70

【知識準備】 71

2.7 預處理數字數據 71

2.7.1 分析數據集 71

2.7.2 歸一化數據 72

2.7.3 標準化數據 73

2.7.4 特征選擇 74

2.8 常見的分類算法 74

2.8.1 K近鄰算法 75

2.8.2 貝葉斯算法 77

2.8.3 決策樹算法 79

2.9 分類算法評估指標 81

2.9.1 混淆矩陣 81

2.9.2 分類單項指標 82

2.9.3 分類多項指標 82

【任務實現】 83

【任務總結】 90

【鞏固練習】 91

【任務拓展】 93

任務2-3 糖尿病患病風險預測 95

【任務提出】 95

【任務分析】 95

【知識準備】 96

2.10 常見的回歸算法 96

2.10.1 線性回歸算法 96

2.10.2 K近鄰回歸算法 96

2.10.3 決策樹回歸 96

2.11 回歸算法評估指標 97

2.11.1 均方誤差 97

2.11.2 均方根誤差 97

2.11.3 平均絕對值誤差 97

2.11.4 R2決定系數 97

2.12 機器學習模型的復雜度和誤差 97

2.12.1 什麼是好的模型？ 97

2.12.2 模型的有效性 98

2.12.3 模型的復雜度和誤差 98

2.12.4 方差和偏差 99

【任務實現】 100

【任務總結】 104

【鞏固練習】 105

【任務拓展】 106

拓展閱讀 機器學習驅動下的創新與突破 108

項目3 深度學習應用 109

任務3-1 實現異或電路 111

【任務提出】 111

【任務分析】 111

【知識準備】 112

3.1 感知機概述 112

3.1.1 感知機的工作原理 112

3.1.2 與門 112

3.1.3 與非門 113

3.1.4 或門 113

【任務實現】 113

【任務總結】 117

【鞏固練習】 117

【任務拓展】 118

任務3-2 學生心理健康分析 119

【任務提出】 119

【任務分析】 119

【知識準備】 120

3.2神經網絡 120

3.2.1 生物神經網絡 120

3.2.2人工神經網絡 120

3.2.3 深度神經網絡 120

3.3 搭建神經網絡 121

3.3.1 神經網絡的結構 121

3.3.2 激活函數 122

3.4 訓練神經網絡 124

3.4.1 準備數據 124

3.4.2 正向反向傳播 125

3.4.3 梯度下降 125

3.4.4 學習速率 125

3.4.5 權重更新 125

3.4.6 預測新數據 126

【任務實現】 126

【任務總結】 128

【鞏固練習】 129

【任務拓展】 129

任務3-3 黑白圖像識別 131

【任務提出】 131

【任務分析】 131

【知識準備】 133

3.5 計算機視覺 133

3.5.1 計算機視覺的核心任務 133

3.5.2 計算機視覺的關鍵技術 133

3.6 圖像概述 134

3.6.1 RGB顏色模型 134

3.6.2 HSV顏色模型 135

3.6.3 灰度顏色模型 136

3.6.4 二值顏色模型 136

3.6.5 圖片噪聲 137

3.7 圖像的基本處理技術 137

3.7.1 灰度轉換 137

3.7.2 圖像濾波 138

3.7.3 圖像變換 139

【任務實現】 141

【任務總結】 143

【鞏固練習】 144

任務3-4 工業零件劃痕自動識別 147

【任務提出】 147

【任務分析】 147

【知識準備】 147

3.8 搭建卷積神經網絡 147

3.8.1 卷積運算 148

3.8.2 卷積核 149

3.8.3 池化層 150

3.8.4 全連接層 152

3.9訓練卷積神經網絡 152

3.9.1 過擬合和欠擬合 152

3.9.2 防止過擬合的Dropout 153

3.10 卷積神經網絡在圖像中的應用 154

3.10.1 圖像分類 154

3.10.2 目標檢測 154

3.10.3 圖像生成 155

3.10.4 物體識別 155

3.10.5 圖像處理 155

3.10.6 語音識別 156

3.10.7 自然語言處理 156

3.10.8 超分辨率 156

3.10.9 風格遷移 156

3.11 經典卷積神經網絡 157

3.11.1 LeNet 157

3.11.2 VGG 157

3.11.3 ResNet（殘差網絡） 157

【任務實現】 158

【任務總結】 160

【鞏固練習】 160

【任務拓展】 161

拓展閱讀：中國AI視覺之路—從追趕到引領的科技長征 162

項目4 自然語言處理 162

任務4-1 電商評論詞雲生成 164

【任務提出】 164

【任務分析】 164

【知識準備】 165

4.1 自然語言處理概述 165

4.1.1 自然語言處理的含義 165

4.1.2 自然語言處理的發展歷史 165

4.1.3 自然語言處理的應用場景 166

4.1.4 自然語言處理的組成部分 167

4.2 文本表示方法 168

4.2.1 詞袋 168

4.2.2 獨熱編碼表示 169

4.2.3 分布式表示 170

4.2.4 詞雲 171

4.3 中文分詞與常用工具 172

【任務實現】 174

【任務總結】 179

【鞏固練習】 179

【任務拓展】 180

任務4-2 書籍主題詞提取與分類 181

【任務提出】 181

【任務分析】 181

【知識準備】 182

4.4 基於統計的語言模型 182

4.4.1 N-gram模型 182

4.4.2 主題模型 183

4.5 基於深度學習的語言模型 184

4.5.1 循環神經網絡模型 184

4.5.2 LSTM模型 188

4.5.3 Transformer模型 190

【任務實現】 191

【任務總結】 198

【鞏固練習】 198

【任務拓展】 199

任務4-3 MP3語音文件識別 201

【任務提出】 201

【任務分析】 201

【知識準備】 202

4.6 語音識別概述 202

4.6.1 語音識別簡介 202

4.6.2 語音識別發展歷程 202

4.6.3 語音識別的基本原理 203

4.6.4 語音識別的應用場景 206

4.7 語音識別開源庫Kaldi簡介 207

【任務實現】 208

【任務總結】 210

【鞏固練習】 210

【任務拓展】 211

拓展閱讀 中文在AI時代的獨特優勢 212

項目5 AIGC與大語言模型應用 212

任務5-1 利用提示工程輔助寫作 214

【任務提出】 214

【任務分析】 214

【知識準備】 215

5.1 AIGC的基本概念 215

5.2 AIGC的應用場景 215

5.2.1 娛樂媒體內容制作 215

5.2.2 文本生成 216

5.2.3 音頻生成 217

5.2.4 圖像生成 219

5.2.5 視頻生成 219

5.3 大語言模型概述 220

5.3.1 對自然語言處理領域影響 220

5.3.2 對信息檢索領域影響 220

5.3.3 對計算機視覺領域影響 221

5.3.4 人工智能賦能科學研究 221

5.3.5 大語言模型的生態系統 222

5.4 常見的大語言模型 223

5.4.1 ChatGPT 223

5.4.2 文心一言 224

5.4.3 訊飛星火 224

5.4.4 Kimi 225

5.4.5 通義千問 226

5.4.6 智譜AI 227

5.4.7 豆包 228

5.4.8 DeepSeek 228

5.5 提示工程 229

【任務實現】 236

【任務總結】 245

【鞏固練習】 246

【任務拓展】 247

任務5-2 使用AIGC制作視頻故事繪本 248

【任務提出】 248

【任務分析】 248

【知識準備】 249

5.6 AIGC繪畫的基本概念 249

5.6.1 AIGC繪畫風格 249

5.6.2 AIGC繪畫工具 251

5.7 AIGC繪畫提示詞 255

【任務實現】 257

【任務總結】 267

【鞏固練習】 267

【任務拓展】 267

任務5-3 使用DeepSeek構建課程學習智能體 269

【任務提出】 269

【任務分析】 269

【知識準備】 270

5.8 DeepSeek-R1模型技術特點 270

5.9 DeepSeek-R1 的各種版本 270

5.10 基於大模型的智能體技術 270

5.11 RAG檢索增強生成 272

5.12 Ollama介紹 272

5.13 Cherry Studio介紹 273

【任務實現】 274

【任務總結】 287

【鞏固練習】 287

【任務拓展】 288

拓展閱讀 AIGC監管體系構建：從技術規範到倫理治理 289