人工智能基礎與實踐（通識版）——從基礎到多模態大模型實踐

目錄

隨書資源

AI助教

第一篇人工智能基礎

第1章人工智能概述

1.1計算機科學的發展

1.1.1從算盤到圖靈機的計算本質

1.1.2從存儲到算力的計算環境

1.1.3算法與邏輯的程序思維

1.2人工智能的發展

1.2.1人工智能的定義

1.2.2人工智能的發展簡史

1.2.3人工智能的三大學派

1.2.4人工智能時代的思維素養

1.3人工智能的核心能力

1.3.1感知智能

1.3.2認知智能

1.3.3行為智能

1.3.4科學智能新範式

1.4初識人工智能應用體驗

1.4.1體驗大模型的對話能力

1.4.2體驗生成式AI的創造力

1.4.3體驗計算機視覺的識別力

1.5通用人工智能

1.5.1從專用到通用

1.5.2邁向AGI的挑戰與機遇

1.6習題與思考

第2章多模態大模型與AIGC應用

2.1多模態大模型概述

2.1.1大模型的基本定義與特征

2.1.2大語言模型的原理與演進

2.1.3從單一模態到多模態融合

2.2人工智能生成內容技術與應用

2.2.1生成式人工智能與AIGC概述

2.2.2國內AIGC工具與應用場景

2.3提示工程技術與方法

2.3.1提示工程基礎

2.3.2提示詞設計的核心原則

2.3.3高級提示策略與思維鏈技術

2.4智能體技術架構與實踐

2.4.1智能體基礎

2.4.2智能體的構建

2.4.3知識庫增強智能體

2.4.4工作流增強智能體

2.5AIGC的典型應用場景

2.5.1創意海報AI設計流程

2.5.2視頻內容創作實踐——“環保”主題短視頻

2.5.3智能數據處理與分析

2.5.4思維導圖與Mermaid圖表

2.5.5文獻檢索與智能研讀

2.6AIGC安全與倫理

2.6.1AIGC面臨的主要安全風險

2.6.2大語言模型的幻覺現象

2.6.3人工智能欺騙風險與倫理挑戰

2.6.4辨別AIGC內容的實用策略

2.7習題與思考

第3章Python數據處理基礎

3.1Python語言概述

3.1.1Python語言特點

3.1.2Python在人工智能領域的支持

3.2Python 環境與AI開發平臺

3.2.1Python本地開發環境

3.2.2Python雲端編程環境

3.2.3AI輔助編程工具概覽

3.3AI輔助下的Python入門

3.3.1第一個Python程序

3.3.2變量

3.3.3數據類型

3.3.4運算符與表達式

3.3.5程序的輸入與輸出

3.3.6Python程序結構

3.4Python數據處理庫與可視化初探

3.4.1標準庫與第三方庫的概念

3.4.2數據科學核心庫簡介

3.4.3數據讀取與預處理

3.4.4數據可視化入門

3.5實訓——程序設計基礎

3.5.1任務1： 反詐防騙“第一道防線”

3.5.2任務2： 校園單車“文明騎行”提醒

3.6習題與思考

第4章人工智能算法基礎

4.1算法思想初探

4.1.1什麼是算法

4.1.2算法的特性與分類

4.2經典算法思想與AI

4.2.1貪心策略與局部最優

4.2.2分治策略與化繁為簡

4.2.3搜索策略與路徑規劃

4.2.4隨機化算法與探索

4.3機器學習概述

4.3.1機器學習的幾個基本概念

4.3.2監督學習與預測

4.3.3無監督學習與聚類

4.4機器學習算法示例

4.4.1基於SVM的手寫數字識別

4.4.2基於K近鄰的巖石類型識別

4.4.3基於Kmeans的客戶群體劃分

4.4.4基於線性回歸的房價預測

4.4.5基於隨機森林的成礦元素含量預測

4.5強化學習概述

4.5.1強化學習的概念

4.5.2強化學習的算法特點

4.5.3QLearning算法讓智能體學會走迷宮

4.6習題與思考

第二篇人工智能應用技術

第5章深度學習基礎

5.1神經網絡基本概念

5.1.1人工神經網絡

5.1.2感知機

5.1.3梯度下降與反向傳播算法

5.1.4Sigmoid與ReLU函數

5.2深度神經網絡模型概述

5.2.1卷積神經網絡

5.2.2循環神經網絡

5.2.3Transformer結構

5.2.4生成對抗網絡

5.3深度學習與機器學習的對比

5.3.1傳統機器學習與深度學習的差異

5.3.2機器學習與深度學習的聯系

5.4主流深度學習框架

5.5習題與思考

第6章自然語言處理與知識圖譜

6.1自然語言的機器表示

6.1.1編碼與詞向量

6.1.2文本預處理與語義表示

6.2自然語言處理的核心任務

6.2.1詞法分析與語法分析

6.2.2文本分類與情感分析

6.2.3命名實體識別

6.2.4文本摘要與機器翻譯

6.3知識圖譜的構建與應用

6.3.1知識圖譜的定義與表示

6.3.2知識圖譜的構建方法與關鍵技術

6.3.3知識圖譜的存儲基礎

6.3.4知識圖譜與人工智能的關系

6.3.5知識圖譜與大模型的RAG融合

6.4典型應用

6.4.1智能搜索與個性化推薦

6.4.2智能問答系統

6.4.3可視化決策支持

6.4.4智能預測與知識發現

6.5習題與思考

第7章視聽智能基礎

7.1感知基礎

7.1.1圖像數字化

7.1.2聲音數字化

7.1.3視頻數字化

7.2視覺入門

7.2.1圖像分類

7.2.2圖像分割

7.2.3圖像變換

7.2.4輪廓識別

7.2.5基於OpenCV的圖像變換

7.3視覺理解

7.3.1目標檢測

7.3.2目標跟蹤

7.3.3目標姿態

7.4視覺生成

7.4.1圖像復原

7.4.2內容生成與重建

7.5聽覺感知

7.5.1語音識別

7.5.2語音生成

7.6習題與思考

第三篇人工智能新型應用

第8章人工智能的平臺

8.1AI計算平臺

8.1.1計算機系統基礎架構

8.1.2AI加速器

8.1.3軟件系統

8.1.4分布式AI與雲平臺架構

8.2人工智能時代的網絡基礎

8.2.1計算機網絡概述

8.2.2網絡性能對AI應用的影響

8.2.3面向未來的新一代網絡技術

8.3傳感器與物聯網

8.3.1傳感器基礎

8.3.2物聯網基礎

8.3.3智能物聯網

8.3.4物聯網安全與倫理

8.4國產AI計算機系統案例

8.4.1華為昇騰AI計算平臺

8.4.2華為昇騰AI雲服務

8.4.3國產其他AI計算系統

8.5習題與思考

第9章智能機器人基礎

9.1機器人的基本概念

9.1.1機器人的定義

9.1.2機器人的分類

9.2智能機器人技術

9.2.1機器人的組成

9.2.2機器人傳感器與感知

9.2.3機器人運動控制

9.2.4路徑規劃與導航

9.2.5多智能機器人系統

9.3具身智能基礎

9.3.1具身智能的定義

9.3.2具身智能的組成

9.3.3人形機器人與自動駕駛

9.4機器人倫理與挑戰

9.4.1就業替代

9.4.2安全風險

9.4.3情感與隱私

9.5習題與思考

參考文獻