人工智能通識（面向新財經 微課版）

崔超然，教授，博士生導師，山東省泰山學者青年專家，現任山東財經大學計算機與人工智能學院副院長。主要從事機器學習、數據挖掘及多媒體信息處理等領域的研究工作。近年來，在國內外重要期刊和會議上發表學術論文70余篇，主持國家級項目3項、省部級項目4項，獲授權國家發明專利13項，榮獲山東省科技進步二等獎。教育教學方面，主持山東省本科教學改革研究重點項目，獲得山東省人工智能學會教學成果特等獎，指導學生獲得“挑戰杯”中國大學生創業計劃競賽銀獎等獎項。個人先後獲得山東省青年崗位能手、山東省人工智能優秀青年獎等榮譽稱號。被聘為濟南市科技副總，同時擔任中國計算機學會人工智能與模式識別專委會執行委員、計算機視覺專委會執行委員，以及山東省人工智能學會常務理事、副秘書長等學術職務。

【章節目錄】 第 1 章 人工智能概述 第 2 章 知識表示與知識圖譜 第 3 章 搜索方法 第 4 章 機器學習 第 5 章 神經網絡與深度學習 第 6 章 計算機視覺 第 7 章 自然語言處理 第 8 章 大語言模型 第 9 章 生成式人工智能 第 10 章 人工智能倫理 【詳細目錄】 第 1 章 人工智能概述 1.1 人工智能的定義 1.2 人工智能的起源與誕生 1.2.1 孕育時期 1.2.2 學科的誕生：達特茅斯會議 1.3 人工智能發展簡史 1.3.1 第 一次浪潮：符號主義的黃金時代與寒冬 1.3.2 第二次浪潮：專家系統的興衰與聯結主義的復蘇 1.3.3 第三次浪潮：從機器學習到深度學習 1.4 人工智能的發展新趨勢 1.4.1 從專用人工智能到通用人工智能 1.4.2 從判別式人工智能到生成式人工智能 1.4.3 “人工智能+”範式 1.5 人工智能的主要研究領域 1.5.1 知識表示與搜索求解 1.5.2 機器學習 1.5.3 機器感知與人機交互 1.5.4 大語言模型與生成式人工智能 1.5.5 人工智能倫理 習題一 第 2 章 知識表示與知識圖譜 2.1 知識與知識表示 2.1.1 什麼是知識 2.1.2 知識表示 2.2 知識圖譜概述 2.2.1 知識圖譜的定義與核心組成 2.2.2 知識圖譜的應用價值 2.3 知識圖譜構建關鍵技術 2.3.1 知識抽取 2.3.2 知識融合 2.3.3 知識推理 2.4 知識圖譜在財經領域的應用 2.4.1 基於知識圖譜的智能產業鏈分析 2.4.2 基於知識圖譜的智能金融風控 習題二 第 3 章 搜索方法 3.1 搜索概述 3.1.1 搜索與問題求解 3.1.2 狀態空間法與搜索樹 3.1.3 搜索策略 3.2 盲目搜索策略 3.2.1 廣度優先搜索 3.2.2 深度優先搜索 3.3 啟發式搜索策略 3.3.1 啟發性信息與估價函數 3.3.2 貪婪最佳優先搜索 3.3.3 A*算法 3.4 博弈搜索策略 3.4.1 博弈與博弈樹 3.4.2 極大極小算法 3.5 搜索方法在財經領域的應用 3.5.1 路徑規劃與物流優化 3.5.2 資源調度與分配問題 習題三 第 4 章 機器學習 4.1 機器學習概述 4.1.1 什麼是機器學習 4.1.2 機器學習的一般流程 4.2 監督學習 4.2.1 監督學習的基本原理 4.2.2 回歸分析 4.2.3 分類算法 4.3 無監督學習 4.3.1 無監督學習的基本原理 4.3.2 聚類分析 4.4 強化學習 4.4.1 強化學習的基本原理 4.4.2 監督學習與強化學習的區別 4.5 機器學習在財經領域的應用 4.5.1 基於分類算法的客戶流失預警 4.5.2 基於異常檢測的金融反欺詐 4.5.3 基於強化學習的動態定價 習題四 第 5 章 神經網絡與深度學習 5.1 人工神經網絡的基本原理 5.1.1 神經元模型 5.1.2 多層感知機 5.2 深度學習：核心思想與訓練機制 5.2.1 深度學習的基本概念 5.2.2 神經網絡訓練機制 5.3 深度學習典型網絡架構 5.3.1 卷積神經網絡 5.3.2 循環神經網絡 5.3.3 註意力機制與Transformer網絡 5.4 深度學習在財經領域的應用 5.4.1 金融市場價格預測 5.4.2 客戶行為分析與個性化推薦 習題五 第 6 章 計算機視覺 6.1 計算機視覺概述 6.1.1 什麼是計算機視覺 6.1.2 數字圖像基礎 6.1.3 計算機視覺面臨的挑戰 6.2 計算機視覺核心任務 6.2.1 圖像分類 6.2.2 目標檢測 6.2.3 圖像分割 6.2.4 光學字符識別 6.3 計算機視覺在財經領域的應用 6.3.1 智能零售 6.3.2 智能票據自動處理 6.3.3 智能車險定損 習題六 第 7 章 自然語言處理 7.1 自然語言處理概述 7.1.1 自然語言處理的定義與內涵 7.1.2 自然語言處理面臨的挑戰 7.2 文本表示技術 7.2.1 文本預處理 7.2.2 詞袋模型與TF-IDF算法 7.2.3 詞嵌入 7.3 自然語言處理核心任務 7.3.1 文本分類 7.3.2 信息抽取 7.3.3 文本生成 7.4 自然語言處理在財經領域的應用 7.4.1 智能投研 7.4.2 智能客服系統 7.4.3 智能合同審閱 習題七 第 8 章 大語言模型 8.1 大語言模型的基本概念 8.1.1 什麼是大語言模型 8.1.2 大語言模型的核心特征 8.2 大語言模型的基本原理 8.2.1 預測下一個詞元與自回歸生成 8.2.2 Transformer與大語言模型 8.3 大語言模型的訓練過程與能力演進 8.3.1 預訓練、監督微調與對齊 8.3.2 推理模型的發展 8.3.3 多模態大語言模型的發展 8.4 大語言模型的交互方式與能力拓展 8.4.1 提示詞設計與上下文學習 8.4.2 檢索增強生成 8.4.3 工具調用與智能體 8.5 大語言模型在財經領域的應用 8.5.1 知識問答與決策支持 8.5.2 多模態營銷企劃 8.5.3 代碼輔助與應用開發 習題八 第 9 章 生成式人工智能 9.1 生成式人工智能概述 9.1.1 什麼是生成式人工智能 9.1.2 生成式人工智能與判別式人工智能 9.1.3 生成式人工智能的發展脈絡 9.2 生成式人工智能的基本原理 9.2.1 生成對抗網絡 9.2.2 擴散模型 9.2.3 條件生成 9.3 生成式人工智能的主要內容形態 9.3.1 文本生成 9.3.2 圖像生成 9.3.3 音頻生成 9.3.4 視頻生成 9.3.5 結構化數據生成 9.4 生成式人工智能在財經領域的應用 9.4.1 合成數據生成 9.4.2 虛擬數字人 習題九 第 10 章 人工智能倫理 10.1 智能時代的倫理困境 10.1.1 算法偏見與歧視 10.1.2 黑箱決策與不可解釋性 10.1.3 隱私侵害與數據安全 10.1.4 責任歸屬與技術濫用 10.2 人工智能倫理的核心原則 10.2.1 以人為本與可控性 10.2.2 公平公正與非歧視 10.2.3 透明性與可解釋性 10.2.4 隱私保護與數據最小化 10.2.5 社會責任與可持續發展 10.3 倫理治理的實踐路徑 10.3.1 多元共治的治理體系 10.3.2 “技術治技”：倫理保障的關鍵技術 10.3.3 全生命周期的流程管控 習題十