人工智能與智算操作系統

目錄

 

 

第1章人工智能基礎1

1.1人工智能發展史1

1.1.1人工智能的發展歷程1

1.1.2人工智能的主要學派4

1.2人工智能的定義5

1.3人工智能的分類7

1.3.1按智能水平分類7

1.3.2按學習模式分類8

1.3.3按技術實現分類8

1.4人工智能系統的組成9

1.4.1人工智能系統架構9

1.4.2人工智能系統基礎11

1.4.3人工智能數據基礎15

1.5人工智能應用開發基礎28

1.5.1Python入門28

1.5.2人工智能算法庫39

1.6人工智能倫理與安全40

1.6.1人工智能倫理的內涵40

1.6.2人工智能倫理的典型案例40

1.6.3人工智能倫理的核心原則41

1.6.4人工智能倫理的治理措施43

本章小結45

習題一45

第2章機器學習47

2.1機器學習的概念47

2.1.1機器學習發展史47

2.1.2機器學習的定義48

2.1.3機器學習的分類49

2.1.4機器學習與人工智能51

2.2線性回歸52

2.2.1線性回歸的概念52

2.2.2線性回歸的類型53

2.2.3線性回歸模型56

2.2.4線性回歸的應用58

2.3邏輯回歸59

2.3.1邏輯回歸的概念59

2.3.2邏輯回歸的類型60

2.3.3邏輯回歸模型62

2.3.4邏輯回歸的應用64

2.4梯度下降65

2.4.1梯度下降的概念66

2.4.2梯度下降的類型66

2.4.3梯度下降算法68

2.4.4梯度下降的應用70

2.5決策樹71

2.5.1決策樹的概念71

2.5.2決策樹的類型72

2.5.3信息熵與信息增益73

2.5.4決策樹的構造75

2.5.5決策樹的應用79

2.6K均值聚類80

2.6.1K均值聚類的概念81

2.6.2K均值聚類的類型82

2.6.3K均值聚類算法83

2.6.4K均值聚類的應用85

2.7機器學習算法庫85

2.7.1Scikitlearn概述85

2.7.2Scikitlearn的安裝86

2.7.3Scikitlearn的開發流程86

本章小結90

習題二91

第3章深度學習93

3.1深度學習的概念93

3.1.1深度學習發展史93

3.1.2深度學習的定義95

3.1.3深度學習的分類97

3.1.4深度學習與機器學習99

3.2人工神經網絡101

3.2.1神經元與神經網絡101

3.2.2感知機103

3.2.3BP算法106

3.3卷積神經網絡115

3.3.1卷積神經網絡的概念116

3.3.2卷積神經網絡的結構117

3.3.3卷積神經網絡的訓練過程118

3.3.4卷積神經網絡的應用121

3.4循環神經網絡123

3.4.1循環神經網絡的概念123

3.4.2循環神經網絡的結構124

3.4.3循環神經網絡的訓練過程126

3.4.4長短期記憶神經網絡129

3.4.5循環神經網絡的應用132

3.5生成對抗網絡135

3.5.1生成對抗網絡的概念135

3.5.2生成對抗網絡的結構136

3.5.3生成對抗網絡的訓練136

3.5.4生成對抗網絡的應用137

3.6深度學習框架139

3.6.1PyTorch概述140

3.6.2PyTorch的安裝140

3.6.3PyTorch的開發流程141

本章小結143

習題三144

第4章大模型技術147

4.1大模型技術概述147

4.1.1大模型的發展史147

4.1.2大模型的定義149

4.1.3大模型的分類150

4.1.4大模型與深度學習151

4.2Transformer架構152

4.2.1Transformer的概念152

4.2.2Transformer的結構153

4.2.3註意力機制154

4.2.4Transformer的流程155

4.2.5Transformer的改進158

4.3預訓練模型159

4.3.1預訓練模型的概念159

4.3.2預訓練模型的方法159

4.3.3預訓練的工作過程160

4.3.4預訓練模型的應用161

4.4模型微調162

4.4.1模型微調的概念162

4.4.2模型微調的方法163

4.4.3模型微調的工作流程164

4.4.4模型微調的實施步驟164

4.4.5模型微調的應用165

4.5對齊優化168

4.5.1反饋168

4.5.2獎勵模型169

4.5.3基於人類反饋的強化學習170

4.5.4RLHF的應用場景170

4.6智能體172

4.6.1智能體的概念172

4.6.2智能體的分類174

4.6.3智能體的結構175

4.6.4智能體的應用177

本章小結178

習題四179

第5章智算中心181

5.1智算中心概述181

5.1.1算力的概念181

5.1.2智算中心的定義183

5.1.3智算中心的功能184

5.1.4智算中心服務分類185

5.1.5智算中心與數據中心、超算中心186

5.2智算中心的功能架構186

5.2.1智算基礎設施187

5.2.2智算基礎平臺188

5.2.3智算服務平臺189

5.2.4統一監控運營平臺190

5.3智算中心的關鍵技術191

5.3.1多元算力191

5.3.2極致存儲194

5.3.3無損網絡197

5.3.4智算調度平臺199

5.4智算中心的應用場景199

5.4.1金融行業200

5.4.2制造行業200

5.4.3智能交通201

5.4.4健康醫療201

5.4.5教育領域201

5.4.6元宇宙與數字孿生202

5.5案例: 高校智算平臺202

5.5.1方案簡介203

5.5.2案例實施效果204

本章小結205

習題五205

第6章智算操作系統207

6.1智算操作系統概述207

6.1.1智算操作系統的概念207

6.1.2智算操作系統的架構208

6.1.3智算操作系統的核心功能210

6.1.4智算操作系統的典型應用212

6.2硬件基礎設施214

6.2.1軟件定義算力214

6.2.2計算資源215

6.2.3存儲資源216

6.2.4網絡資源217

6.3資源管理與調度218

6.3.1計算資源管理218

6.3.2資源調度策略218

6.3.3動態資源分配219

6.3.4任務管理219

6.3.5自動化運維管理220

6.4大模型與智能體223

6.4.1大模型服務223

6.4.2智能體服務224

6.5用戶接口與工具226

6.5.1開發工具226

6.5.2命令行接口227

6.5.3插件227

6.6安全與隔離機制228

6.6.1防護: 構建多層級主動防禦體系229

6.6.2隔離: 實現資源與數據的邏輯/物理分離229

6.6.3審計: 構建全鏈路可追溯體系229

6.6.4恢復: 建立快速故障修復與業務連續性保障230

本章小結230

習題六231

第7章人工智能前沿技術234

7.1通用人工智能234

7.1.1通用人工智能的概念234

7.1.2通用人工智能的關鍵技術235

7.1.3通用人工智能的應用236

7.2邊緣人工智能237

7.2.1邊緣人工智能的概念237

7.2.2邊緣人工智能的關鍵技術238

7.2.3邊緣人工智能的應用240

7.3具身智能241

7.3.1具身智能的概念241

7.3.2具身智能的關鍵技術242

7.3.3具身智能的應用243

7.4世界模型244

7.4.1世界模型的概念245

7.4.2世界模型的關鍵技術245

7.4.3世界模型的應用247

本章小結249

習題七250

附錄A實驗指導252

實驗1大模型工具使用252

實驗2大模型編程助手261

實驗3MNIST手寫數字識別270

實驗4鋰電池健康狀態預測279

實驗5DeepSeek蒸餾版部署292

實驗6模型微調技術(醫療健康)300

實驗7模型微調技術（自動駕駛）312

附錄B平臺註冊並兌換算力包（操作步驟）320

參考文獻321