人工智能入門基礎

目錄

第1章人工智能概述1

1.1人工智能的定義與基本概念1

1.1.1人工智能的概念1

1.1.2人工智能的特征2

1.1.3人工智能概念4

1.2人工智能發展歷史4

1.3人工智能的分類與主要技術領域8

1.3.1人工智能的分類8

1.3.2人工智能的應用領域9

1.4人工智能的知識體系與學習路徑13

1.4.1人工智能知識體系13

1.4.2人工智能的學習路徑13

本章習題14

第2章人工智能基礎知識16

2.1數據與算法的基本概念16

2.1.1數據的定義與類型16

2.1.2算法的核心思想18

2.1.3數據與算法的關系18

2.2計算能力與存儲技術19

2.2.1硬件基礎與計算能力19

2.2.2雲計算與分布式計算20

2.2.3存儲技術發展21

2.3常用編程語言與開發工具22

2.3.1Python入門22

2.3.2基本開發環境26

2.3.3深度學習框架28

2.4大數據的基礎知識與應用30

2.4.1大數據的核心概念302.4.2大數據的應用30

2.4.3大數據帶來的挑戰32

本章習題33

第3章機器學習34

3.1機器學習概述34

3.1.1機器學習的定義34

3.1.2機器學習的範圍34

3.1.3機器學習的類型35

3.1.4機器學習的開發流程39

3.2機器學習算法40

3.2.1監督學習算法40

3.2.2無監督學習算法46

3.3機器學習實踐50

3.3.1機器學習庫50

3.3.2基本建模流程51

3.3.3數據預處理52

3.3.4監督學習算法應用55

3.3.5無監督學習算法應用56

3.3.6評價指標57

3.3.7交叉驗證及超參數調優60

3.4機器學習案例62

本章習題64

目錄〖3〗第4章深度學習66

4.1深度學習概述66

4.1.1深度學習的核心定義與特征66

4.1.2深度學習的起源與發展歷程66

4.1.3深度學習的地位與作用67

4.2神經網絡基礎67

4.2.1標準神經網絡67

4.2.2卷積神經網絡70

4.2.3循環神經網絡71

4.2.4Transformer72

4.3深度學習的工作流程73

4.3.1數據準備73

4.3.2模型構建和訓練74

4.3.3模型評估與優化75

4.3.4模型部署與應用76

4.4深度學習框架及應用77

4.4.1主流深度學習框架77

4.4.2深度學習框架的基本使用方法——以PyTorch為例77

本章習題83

第5章計算機視覺86

5.1計算機視覺的基本概念與原理86

5.1.1計算機視覺的定義與研究目標86

5.1.2計算機視覺與人類視覺的異同87

5.1.3計算機視覺的技術體系架構89

5.1.4圖像與視頻的數字化表示92

5.2圖像識別與分類94

5.2.1圖像識別的基本流程94

5.2.2傳統圖像特征提取方法95

5.2.3基於深度學習的圖像分類模型96

5.3目標檢測與跟蹤方法99

5.3.1目標檢測的任務與挑戰99

5.3.2傳統目標檢測算法100

5.3.3基於深度學習的目標檢測算法101

5.3.4目標跟蹤的基本原理與常用方法104

5.4圖像分割107

5.4.1圖像分割的任務與挑戰107

5.4.2語義分割和實例分割107

5.5計算機視覺的實際應用110

5.5.1在安防領域的應用110

5.5.2在醫療健康領域的應用111

5.5.3在自動駕駛領域的應用111

5.5.4在工業領域的應用112

本章習題113

第6章自然語言處理116

6.1自然語言處理概念116

6.2文本處理與分析方法118

6.2.1文本預處理119

6.2.2文本表示120

6.2.3文本分析122

6.3語音識別與合成技術124

6.3.1語音識別124

6.3.2語音合成127

6.4自然語言處理的主要應用領域128

6.4.1機器翻譯128

6.4.2文本生成與摘要130

6.4.3智能問答與智能助手132

本章習題135

第7章強化學習137

7.1強化學習概述137

7.1.1強化學習的定義與核心思想137

7.1.2強化學習的起源與發展歷程139

7.1.3強化學習的地位與作用140

7.2經典強化學習算法141

7.2.1馬爾可夫決策過程142

7.2.2QLearning方法144

7.2.3策略梯度算法146

7.2.4ActorCritic算法148

7.3深度強化學習150

7.3.1DQN152

7.3.2PPO算法154

7.3.3其他深度強化學習算法156

7.4強化學習的應用157

7.4.1智能機器人與強化學習157

7.4.2自動駕駛與強化學習158

7.4.3遊戲AI與強化學習159

7.4.4強化學習應用總結160

本章習題161

第8章大模型與人工智能163

8.1大模型的概念、特點與發展163

8.1.1大模型的概念與特點163

8.1.2大模型的發展歷程164

8.2大模型訓練、部署與挑戰165

8.2.1大模型的訓練過程165

8.2.2大模型的部署方式167

8.2.3大模型面臨的挑戰168

8.3大模型在各領域的實際應用169

8.3.1教育領域170

8.3.2醫療領域170

8.3.3寫作領域171

8.3.4創作領域171

8.3.5編程領域171

8.3.6客服領域172

8.3.7翻譯領域172

8.4大模型的提示詞使用教學172

8.4.1什麼是提示詞: 提示詞的定義與作用172

8.4.2如何設計一個高質量的提示詞173

8.4.3各類應用場景下的提示詞示例173

8.4.4提示詞學習與常見誤區175

8.5大模型的未來發展趨勢與挑戰176

8.5.1技術發展趨勢176

8.5.2應用領域拓展176

8.5.3機遇與挑戰177

本章習題178

第9章人工智能應用180

9.1人工智能在醫療、金融、教育等領域的應用180

9.1.1人工智能在醫療領域的應用180

9.1.2人工智能在金融領域的應用183

9.1.3人工智能在教育領域的應用185

9.2人工智能在智慧城市、智能交通等方面的影響187

9.2.1人工智能在智慧城市方面的應用187

9.2.2人工智能在智能交通方面的應用189

9.3人工智能在工業、農業等領域的創新190

9.3.1人工智能在工業領域的創新190

9.3.2人工智能在農業領域的創新192

9.4人工智能在政府領域的應用193

9.4.1智能政務與公共服務193

9.4.2智慧城市管理與社會治理194

9.4.3智能決策與宏觀管理195

9.4.4國防與國家安全195

本章習題197

第10章人工智能的倫理與挑戰200

10.1醫療AI在疾病診斷中的誤診問題201

10.1.1誤診問題的成因分析201

10.1.2實際案例分析201

10.2AI助手的隱私問題202

10.2.1隱私風險的技術與倫理根源202

10.2.2隱私泄露的案例203

10.3自動駕駛汽車的倫理決策問題203

10.3.1倫理困境原因剖析203

10.3.2自動駕駛案例204

10.4AI在招聘中的倫理困境205

10.4.1倫理困境的成因分析205

10.4.2實際案例分析: 亞馬遜AI簡歷篩選工具歧視事件206

10.5人工智能在就業、隱私安全方面的影響206

10.5.1人工智能對就業市場的影響207

10.5.2AI技術在隱私安全方面的影響208

10.5.3應對AI風險的監管策略與法規框架209

10.5.4AI風險監管的未來發展方向211

本章習題212

參考文獻214