人工智能基礎通識教程

目 錄
第1章 人工智能導論 1
1.1 人工智能的基本概念 2
1.1.1 人工智能的定義 2
1.1.2 人工智能的特征 3
1.2 人工智能的發展歷程 4
1.2.1 人工智能的三大熱潮 5
1.2.2 人工智能三大學派 8
1.3 人工智能的關鍵技術 9
1.3.1 傳統人工智能技術 9
1.3.2 現代人工智能技術 10
1.3.3 人工智能的數據獲取方法 12
1.4 人工智能與社會倫理 13
1.4.1 機器決策的道德責任 13
1.4.2 人工智能的權利與義務 14
1.4.3 人工智能對就業的沖擊 14
1.5 人工智能的典型應用 15
1.6 本章小結 17
本章習題 18
第2章 人工智能的編程基礎 20
2.1 人工智能的編程語言 21
2.1.1 程序設計語言的分類 21
2.1.2 程序設計語言的選擇 22
2.1.3 編程環境的選擇 24
2.2 Python編程環境 25
2.2.1 安裝Python編程環境 26
2.2.2 Python語言的編程方式 28
2.3 Python程序設計初步 30
2.3.1 Python的公式與函數計算 31
2.3.2 Python程序的基本組成 35
2.3.3 Python數據類型 39
2.3.4 Python運算符及優先級 42
2.3.5 Python程序的數學函數 45
2.4 Python語言的程序控制 45
2.4.1 Python語言的復合語句 45
2.4.2 Python語言的控制結構 48
2.5 Python組合數據類型 51
2.5.1 字符串 52
2.5.2 列表 53
2.5.3 元組 55
2.5.4 字典和集合 56
2.6 Python函數與文件 58
2.6.1 Python函數 58
2.6.2 文件的輸入與輸出 61
2.7 本章小結 64
本章習題 64
第3章 人工智能的計算平臺 66
3.1 人工智能平臺概述 67
3.1.1 硬件基礎設施 67
3.1.2 軟件開發環境 69
3.2 單計算機系統 70
3.2.1 單計算機系統模型 70
3.2.2 單計算機系統的組成 74
3.3 計算機的數字化編碼 78
3.3.1 計算機的數制 78
3.3.2 進制數的轉換 80
3.3.3 字符編碼 83
3.3.4 字形編碼 87
3.4 多計算機系統 89
3.4.1 並行計算系統 90
3.4.2 網絡計算系統 92
3.5 GPU並行計算系統 94
3.5.1 GPU體系架構 94
3.5.2 GPU工作流程與應用 95
3.6 雲計算 96
3.6.1 雲計算的服務模式 98
3.6.2 雲計算虛擬化技術 99
3.6.3 雲存儲技術 101
3.7 本章小結 107
本章習題 108
第4章 人工智能的網絡環境 110
4.1 網絡的概念與體系架構 111
4.1.1 計算機網絡的體系架構 111
4.1.2 計算機網絡的數據封裝 112
4.2 計算機網絡協議與設備 114
4.2.1 計算機網絡協議 114
4.2.2 計算機網絡設備 120
4.3 物聯網與數據感知 122
4.3.1 物聯網的概念 122
4.3.2 物聯網的主要特征 124
4.3.3 物聯網的起源與發展 125
4.3.3 基於物聯網的人工智能數據感知技術 127
4.4 本章小結 132
本章習題 132
第5章 人工智能的基本技術 134
5.1 專家系統 135
5.1.1 專家系統的概念 135
5.1.2 專家系統的構成 136
5.1.3 專家系統的應用 137
5.2 人工神經網絡 139
5.2.1 生物神經網絡 140
5.2.2 人工神經網絡 141
5.3 BP神經網絡 144
5.3.1 BP神經網絡的結構與工作過程 144
5.3.2 BP神經網絡的激活函數 147
5.3.3 BP神經網絡的損失函數 150
5.3.4 BP神經網絡的權重更新 152
5.3.5 BP神經網絡的梯度計算 154
5.4 深度神經網絡 157
5.4.1 卷積神經網絡 158
5.4.2 循環神經網絡 163
5.4.3 殘差神經網絡 168
5.5 本章小結 172
本章習題 172
第6章 大模型及其應用技術 175
6.1 大模型的概念與發展歷程 176
6.1.1 大模型技術的概念與特征 176
6.1.2 大模型的發展歷程 176
6.2 典型大模型系統 177
6.2.1 自然語言處理大模型 177
6.2.2 計算機視覺大模型 184
6.2.3 國產大模型應用系統 190
6.3 大模型的應用技術 196
6.3.1 文生文 197
6.3.2 文生圖 199
6.3.3 圖生圖 201
6.3.4 提示性工程 202
6.4 大模型的典型應用 203
6.4.1 DeepSeek的應用 203
6.4.2 大模型賦能教育 206
6.4.3 AI賦能辦公 207
6.4.4 AI賦能PPT制作 209
6.5 本章小結 211
本章習題 211
第7章 機器學習及其應用 214
7.1 機器學習的概念與發展歷程 215
7.1.1 機器學習的概念 215
7.1.2 機器學習與深度學習 215
7.1.3 機器學習的發展歷程 216
7.2 機器學習的分類 218
7.2.1 無監督學習的概念與特征 218
7.2.2 無監督學習算法 219
7.2.3 有監督學習 224
7.3 機器學習的模型訓練 227
7.3.1 模型訓練的目的和方式 227
7.3.2 模型訓練過程 229
7.4 機器學習的典型應用 232
7.4.1 手寫字識別 232
7.4.2 貓狗識別 236
7.5 聯邦學習及其應用 239
7.5.1 聯邦學習的概念與分類 239
7.5.2 聯邦學習的工作過程 240
7.5.3 聯邦學習的全局模型聚合方法 243
7.5.4 影響聯邦學習效率的主要因素 243
7.5.5 基於聯邦學習的網絡異常檢測 245
7.6 本章小結 248
本章習題 248