第1章 人工智能概論 1
1.1 什么是人工智能 2
1.1.1 人工智能的定義 2
1.1.2 人工智能的發(fā)展脈絡(luò) 3
1.1.3 人工智能的分類體系 5
1.2 人工智能能做什么 6
1.2.1 感知世界 6
1.2.2 理解信息 7
1.2.3 做出決策 7
1.3 人工智能的研究領(lǐng)域 9
1.3.1 機(jī)器學(xué)習(xí) 9
1.3.2 深度學(xué)習(xí) 10
1.3.3 自然語言處理 11
1.3.4 計算機(jī)視覺 12
1.3.5 智能機(jī)器人 12
1.4 人工智能面臨的挑戰(zhàn) 13
1.4.1 數(shù)據(jù)問題 13
1.4.2 算法透明性和可解釋性 14
1.4.3 道德與倫理問題 14
1.4.4 法律與監(jiān)管問題 14
1.4.5 社會影響 15
1.4.6 安全性問題 15
本章小結(jié) 15
習(xí)題1 16
第2章 開發(fā)語言與環(huán)境 17
2.1 Python語言簡介 18
2.1.1 Python語言發(fā)展歷程 18
2.1.2 Python語言特點 20
2.2 Python開發(fā)環(huán)境搭建 21
2.2.1 Python下載與安裝 21
2.2.2 Anaconda下載與安裝 23
2.3 Python集成開發(fā)環(huán)境 26
2.3.1 Python常用IDE簡介 26
2.3.2 PyCharm下載與安裝 26
2.3.3 PyCharm環(huán)境配置 29
2.4 運行Python程序 32
2.4.1 使用IDLE運行Python程序 32
2.4.2 使用Spyder運行Python程序 33
2.4.3 使用PyCharm運行Python程序 35
2.5 Python擴(kuò)展庫 36
本章小結(jié) 37
習(xí)題2 38
第3章 機(jī)器學(xué)習(xí) 39
3.1 機(jī)器學(xué)習(xí)概述 40
3.1.1 定義與核心思想 40
3.1.2 機(jī)器學(xué)習(xí)系統(tǒng)的基本組成 41
3.1.3 發(fā)展歷程 42
3.1.4 機(jī)器學(xué)習(xí)的主要類型 44
3.1.5 機(jī)器學(xué)習(xí)流程 46
3.2 回歸分析 49
3.2.1 回歸分析概述 49
3.2.2 線性回歸 51
3.2.3 多項式回歸 62
3.3 分類 69
3.3.1 神經(jīng)網(wǎng)絡(luò) 69
3.3.2 支持向量機(jī) 72
3.3.3 決策樹 74
3.3.4 隨機(jī)森林 78
3.3.5 模型評估指標(biāo) 79
3.4 聚類分析 81
3.4.1 聚類分析概述 81
3.4.2 K-Means聚類 84
3.4.3 層次聚類 85
3.4.4 模型評估指標(biāo) 87
3.5 實踐案例 88
3.5.1 特征工程 88
3.5.2 回歸分析 94
3.5.3 分類 98
本章小結(jié) 112
習(xí)題3 113

第4章 深度學(xué)習(xí) 114
4.1 深度學(xué)習(xí)概述 115
4.1.1 什么是深度學(xué)習(xí) 115
4.1.2 深度學(xué)習(xí)框架 115
4.1.3 深度網(wǎng)絡(luò)中的常用操作 116
4.1.4 優(yōu)化算法 119
4.1.5 正則化和歸一化技術(shù) 120
4.2 深度學(xué)習(xí)應(yīng)用一：圖像分類 122
4.2.1 CIFAR10數(shù)據(jù)集 122
4.2.2 構(gòu)建網(wǎng)絡(luò) 124
4.2.3 選擇優(yōu)化器和損失函數(shù) 125
4.2.4 訓(xùn)練模型 125
4.2.5 測試模型 126
4.2.6 模型保存與加載 127
4.3 深度學(xué)習(xí)應(yīng)用二：回歸 128
4.3.1 數(shù)據(jù)加載和預(yù)處理 128
4.3.2 模型建立 129
4.3.3 模型訓(xùn)練與評估 129
4.4 深度學(xué)習(xí)應(yīng)用三：目標(biāo)檢測 132
4.4.1 目標(biāo)檢測的評估指標(biāo) 132
4.4.2 準(zhǔn)備數(shù)據(jù) 133
4.4.3 編寫代碼 134
4.4.4 可視化結(jié)果 134
本章小結(jié) 136
習(xí)題4 136
第5章 大模型 137
5.1 初識大模型 138
5.1.1 什么是大模型 138
5.1.2 大模型的前世今生 138
5.1.3 常見大模型簡介 139
5.2 大模型能做什么 141
5.2.1 理解與生成文字 141
5.2.2 多模態(tài)應(yīng)用 141
5.2.3 行業(yè)應(yīng)用實例 142
5.3 關(guān)鍵技術(shù)淺說 143
5.3.1 預(yù)訓(xùn)練+微調(diào)范式 143
5.3.2 注意力機(jī)制 145
5.3.3 提示詞工程 147
5.4 挑戰(zhàn)與思考 148
5.4.1 存在的問題 148
5.4.2 如何用好大模型 149
5.4.3 未來展望 150
5.5 實踐案例 152
5.5.1 理工類：代碼生成與調(diào)試 152
5.5.2 農(nóng)業(yè)類：農(nóng)業(yè)知識問答 155
5.5.3 人文類：社會輿論觀點聚類分析 155
5.5.4 經(jīng)管類：基金年報分析 156
本章小結(jié) 158
習(xí)題5 158
第6章 人工智能應(yīng)用場景 159
6.1 智慧交通 160
6.1.1 智慧交通概述 160
6.1.2 應(yīng)用案例 161
6.1.3 發(fā)展前景和挑戰(zhàn) 165
6.2 智慧農(nóng)業(yè) 166
6.2.1 智慧農(nóng)業(yè)概述 167
6.2.2 應(yīng)用案例 168
6.2.3 發(fā)展前景和挑戰(zhàn) 173
6.3 智慧醫(yī)療 174
6.3.1 智慧醫(yī)療概述 174
6.3.2 應(yīng)用案例 175
6.3.3 發(fā)展前景與挑戰(zhàn) 179
6.4 智慧商務(wù) 180
6.4.1 智慧商務(wù)概述 180
6.4.2 應(yīng)用案例 181
6.4.3 發(fā)展前景和挑戰(zhàn) 185
6.5 智慧創(chuàng)作 186
6.5.1 智慧創(chuàng)作概述 186
6.5.2 應(yīng)用案例 186
6.5.3 發(fā)展前景與挑戰(zhàn) 192
本章小結(jié) 194
習(xí)題6 194
參考文獻(xiàn) 195