人工智能創新開發實踐——賦能創新競賽項目的技術棧詳解

目錄

基礎環境篇

第1章Linux操作系統基礎3

1.1Linux初探3

1.1.1Linux系統概述3

1.1.2Linux的歷史與生態4

1.1.3快速體驗Linux6

1.1.4為什麼人工智能開發者需要Linux8

1.2基本操作與權限管理9

1.2.1Linux命令行操作基礎9

1.2.2目錄結構與文件操作10

1.2.3用戶與權限管理19

1.3Shell腳本編程24

1.3.1初識Shell腳本24

1.3.2流程控制與函數28

1.3.3實用腳本與調試技巧31

1.4Linux實用工具34

1.4.1包管理器34

1.4.2文本編輯器36

1.4.3網絡工具37

1.4.4系統監控與管理工具39

總結與實踐41

第2章代碼版本管理與協作42

2.1Git原理與基本操作42

2.1.1版本控制42

2.1.2Git工作原理概述43

2.1.3Git安裝與初始化462.1.4本地倉庫管理48

2.2玩轉GitHub遠程倉庫55

2.2.1GitHub與開源生態55

2.2.2創建與管理遠程倉庫58

2.2.3GitHub協作開發61

2.2.4自動化與持續集成63

2.3協作開發規範67

2.3.1分支與提交規範67

2.3.2代碼質量與評審機制68

2.3.3溝通與文檔協作69

總結與實踐70

目錄〖3〗技能進階篇

第3章管理形形色色的數據733.1基於文件的數據管理73

3.1.1配置文件73

3.1.2數據文件76

3.1.3日誌文件78

3.2關系數據庫80

3.2.1常見關系數據庫系統80

3.2.2SQL查詢優化81

3.2.3使用SQLAlchemy與數據庫進行交互83

3.3非關系數據庫86

3.3.1NoSQL的基本理念與類型86

3.3.2MongoDB： 靈活的文檔數據庫87

3.3.3Redis： 高性能鍵值數據庫93

3.4向量數據庫98

3.4.1基本概念與原理98

3.4.2常見向量數據庫簡介100

3.4.3向量數據庫開發案例101

3.5大數據與分布式存儲簡介104

3.5.1Hadoop： 大數據生態系統的起點104

3.5.2Spark： 高速靈活的大數據計算引擎105

3.5.3Kafka： 高性能流式數據處理系統106

3.5.4Ray： 通用、可擴展的分布式計算框架106

3.5.5多樣化的分布式存儲方案107

總結與實踐108

第4章後端開發基礎109

4.1後端開發概述109

4.1.1什麼是後端109

4.1.2常見的後端架構模式110

4.1.3後端開發技術棧簡介112

4.1.4API設計基礎114

4.2使用Python搭建後端服務116

4.2.1常見的Python Web開發框架116

4.2.2FastAPI後端服務搭建實例118

4.3使用Node.js搭建後端服務121

4.3.1Node.js及其常用框架概覽121

4.3.2使用Express搭建後端服務122

4.4認證與授權125

4.4.1認證與授權的區別125

4.4.2使用JWT實現登錄保護125

4.4.3通過OAuth 2.0連接第三方服務128

4.5後端測試132

4.5.1後端測試的意義與常見類型132

4.5.2常用測試工具與框架133

總結與實踐134

第5章前端開發基礎135

5.1前端開發概述135

5.1.1前端開發的定義與作用135

5.1.2HTML與CSS： 頁面結構與樣式137

5.1.3JavaScript： 實現動態頁面143

5.2現代前端開發技術棧151

5.2.1前端框架概覽151

5.2.2模塊化與構建工具157

5.2.3現代樣式管理技術161

5.3設計系統與UI組件庫166

5.3.1設計系統簡介166

5.3.2應用UI組件庫進行前端開發171

總結與實踐175

第6章人工智能模型開發176

6.1模型開發176

6.1.1數據采集與整理176

6.1.2模型選擇與設計179

6.1.3PyTorch實戰： 構建與訓練AI模型181

6.2人工智能社區加速模型開發202

6.2.1基於預訓練模型降低開發成本202

6.2.2Hugging Face： 擁抱預訓練模型生態206

6.2.3其他社區資源與工具211

6.3模型部署與應用212

6.3.1模型部署的準備工作212

6.3.2部署環境與方式215

6.3.3快速構建交互式演示應用217

總結與實踐220

部署拓展篇

第7章容器化開發和部署2237.1容器化技術概述223

7.1.1什麼是容器化223

7.1.2容器與虛擬機的區別225

7.1.3Docker簡介與核心概念226

7.2Docker容器技術實踐229

7.2.1Docker環境搭建與基本操作229

7.2.2鏡像構建與發布233

7.2.3容器的存儲與網絡237

7.2.4Docker Compose多容器應用編排239

7.3容器編排與Kubernetes簡介245

7.3.1容器編排： 從Docker到Kubernetes245

7.3.2在Kubernetes上部署與管理應用248

7.3.3雲原生AI生態簡介252

總結與實踐254

第8章雲計算開發實踐255

8.1雲計算概述255

8.1.1雲計算的定義與核心特征255

8.1.2雲計算的服務模式256

8.1.3雲計算的部署模式258

8.2雲端核心能力與資源259

8.2.1雲端IaaS服務260

8.2.2雲端存儲和數據庫服務264

8.2.3無服務器計算服務269

8.2.4後端即服務272

8.2.5其他常用雲服務276

8.3雲原生技術簡介277

8.3.1雲原生的理念及其關鍵支撐技術277

8.3.2雲原生在人工智能場景下的應用價值279

總結與實踐281

第9章擁抱大模型282

9.1大模型新紀元： 技術、能力與機遇282

9.1.1從統計模型到Transformer282

9.1.2大模型的核心能力284

9.1.3大模型的應用場景與價值285

9.1.4大模型的訪問方式287

9.2多模態生成： 文本、圖像、音視頻與代碼290

9.2.1文本生成290

9.2.2圖像生成與編輯292

9.2.3音視頻生成294

9.2.4代碼智能生成與Vibe Coding295

9.3提示工程與上下文工程298

9.3.1提示工程基礎298

9.3.2提示詞設計的高階技巧303

9.3.3上下文工程簡介307

9.4構建AI智能體311

9.4.1智能體的架構基礎與核心原理311

9.4.2開源生態與框架316

9.4.3智能體構建案例319

9.5大模型個性化與微調322

9.5.1模型微調與指令微調322

9.5.2私有數據知識註入323

9.5.3安全與合規324

總結與實踐325

創新實戰篇

第10章創新作品創作與案例32910.1從創意到人工智能創新作品329

10.1.1什麼是好的作品329

10.1.2創意從何而來332

10.1.3打通創意到作品的橋梁336

10.2人工智能創新作品案例講解338

10.2.1案例簡介338

10.2.2案例分析339

總結與實踐343

參考文獻344