目录

随书资源

AI助教

第一篇人工智能基础

第1章人工智能概述

1.1计算机科学的发展

1.1.1从算盘到图灵机的计算本质

1.1.2从存储到算力的计算环境

1.1.3算法与逻辑的程序思维

1.2人工智能的发展

1.2.1人工智能的定义

1.2.2人工智能的发展简史

1.2.3人工智能的三大学派

1.2.4人工智能时代的思维素养

1.3人工智能的核心能力

1.3.1感知智能

1.3.2认知智能

1.3.3行为智能

1.3.4科学智能新范式

1.4初识人工智能应用体验

1.4.1体验大模型的对话能力

1.4.2体验生成式AI的创造力

1.4.3体验计算机视觉的识别力

1.5通用人工智能

1.5.1从专用到通用

1.5.2迈向AGI的挑战与机遇

1.6习题与思考

第2章多模态大模型与AIGC应用

2.1多模态大模型概述

2.1.1大模型的基本定义与特征

2.1.2大语言模型的原理与演进

2.1.3从单一模态到多模态融合

2.2人工智能生成内容技术与应用

2.2.1生成式人工智能与AIGC概述

2.2.2国内AIGC工具与应用场景

2.3提示工程技术与方法

2.3.1提示工程基础

2.3.2提示词设计的核心原则

2.3.3高级提示策略与思维链技术

2.4智能体技术架构与实践

2.4.1智能体基础

2.4.2智能体的构建

2.4.3知识库增强智能体

2.4.4工作流增强智能体

2.5AIGC的典型应用场景

2.5.1创意海报AI设计流程

2.5.2视频内容创作实践——“环保”主题短视频

2.5.3智能数据处理与分析

2.5.4思维导图与Mermaid图表

2.5.5文献检索与智能研读

2.6AIGC安全与伦理

2.6.1AIGC面临的主要安全风险

2.6.2大语言模型的幻觉现象

2.6.3人工智能欺骗风险与伦理挑战

2.6.4辨别AIGC内容的实用策略

2.7习题与思考

第3章Python数据处理基础

3.1Python语言概述

3.1.1Python语言特点

3.1.2Python在人工智能领域的支持

3.2Python 环境与AI开发平台

3.2.1Python本地开发环境

3.2.2Python云端编程环境

3.2.3AI辅助编程工具概览

3.3AI辅助下的Python入门

3.3.1第一个Python程序

3.3.2变量

3.3.3数据类型

3.3.4运算符与表达式

3.3.5程序的输入与输出

3.3.6Python程序结构

3.4Python数据处理库与可视化初探

3.4.1标准库与第三方库的概念

3.4.2数据科学核心库简介

3.4.3数据读取与预处理

3.4.4数据可视化入门

3.5实训——程序设计基础

3.5.1任务1： 反诈防骗“第一道防线”

3.5.2任务2： 校园单车“文明骑行”提醒

3.6习题与思考

第4章人工智能算法基础

4.1算法思想初探

4.1.1什么是算法

4.1.2算法的特性与分类

4.2经典算法思想与AI

4.2.1贪心策略与局部最优

4.2.2分治策略与化繁为简

4.2.3搜索策略与路径规划

4.2.4随机化算法与探索

4.3机器学习概述

4.3.1机器学习的几个基本概念

4.3.2监督学习与预测

4.3.3无监督学习与聚类

4.4机器学习算法示例

4.4.1基于SVM的手写数字识别

4.4.2基于K近邻的岩石类型识别

4.4.3基于Kmeans的客户群体划分

4.4.4基于线性回归的房价预测

4.4.5基于随机森林的成矿元素含量预测

4.5强化学习概述

4.5.1强化学习的概念

4.5.2强化学习的算法特点

4.5.3QLearning算法让智能体学会走迷宫

4.6习题与思考

第二篇人工智能应用技术

第5章深度学习基础

5.1神经网络基本概念

5.1.1人工神经网络

5.1.2感知机

5.1.3梯度下降与反向传播算法

5.1.4Sigmoid与ReLU函数

5.2深度神经网络模型概述

5.2.1卷积神经网络

5.2.2循环神经网络

5.2.3Transformer结构

5.2.4生成对抗网络

5.3深度学习与机器学习的对比

5.3.1传统机器学习与深度学习的差异

5.3.2机器学习与深度学习的联系

5.4主流深度学习框架

5.5习题与思考

第6章自然语言处理与知识图谱

6.1自然语言的机器表示

6.1.1编码与词向量

6.1.2文本预处理与语义表示

6.2自然语言处理的核心任务

6.2.1词法分析与语法分析

6.2.2文本分类与情感分析

6.2.3命名实体识别

6.2.4文本摘要与机器翻译

6.3知识图谱的构建与应用

6.3.1知识图谱的定义与表示

6.3.2知识图谱的构建方法与关键技术

6.3.3知识图谱的存储基础

6.3.4知识图谱与人工智能的关系

6.3.5知识图谱与大模型的RAG融合

6.4典型应用

6.4.1智能搜索与个性化推荐

6.4.2智能问答系统

6.4.3可视化决策支持

6.4.4智能预测与知识发现

6.5习题与思考

第7章视听智能基础

7.1感知基础

7.1.1图像数字化

7.1.2声音数字化

7.1.3视频数字化

7.2视觉入门

7.2.1图像分类

7.2.2图像分割

7.2.3图像变换

7.2.4轮廓识别

7.2.5基于OpenCV的图像变换

7.3视觉理解

7.3.1目标检测

7.3.2目标跟踪

7.3.3目标姿态

7.4视觉生成

7.4.1图像复原

7.4.2内容生成与重建

7.5听觉感知

7.5.1语音识别

7.5.2语音生成

7.6习题与思考

第三篇人工智能新型应用

第8章人工智能的平台

8.1AI计算平台

8.1.1计算机系统基础架构

8.1.2AI加速器

8.1.3软件系统

8.1.4分布式AI与云平台架构

8.2人工智能时代的网络基础

8.2.1计算机网络概述

8.2.2网络性能对AI应用的影响

8.2.3面向未来的新一代网络技术

8.3传感器与物联网

8.3.1传感器基础

8.3.2物联网基础

8.3.3智能物联网

8.3.4物联网安全与伦理

8.4国产AI计算机系统案例

8.4.1华为昇腾AI计算平台

8.4.2华为昇腾AI云服务

8.4.3国产其他AI计算系统

8.5习题与思考

第9章智能机器人基础

9.1机器人的基本概念

9.1.1机器人的定义

9.1.2机器人的分类

9.2智能机器人技术

9.2.1机器人的组成

9.2.2机器人传感器与感知

9.2.3机器人运动控制

9.2.4路径规划与导航

9.2.5多智能机器人系统

9.3具身智能基础

9.3.1具身智能的定义

9.3.2具身智能的组成

9.3.3人形机器人与自动驾驶

9.4机器人伦理与挑战

9.4.1就业替代

9.4.2安全风险

9.4.3情感与隐私

9.5习题与思考

参考文献