人工智能通識教程（慕課版 配套在線實訓平臺）
張平
商品描述
隨著人工智能（artificial intelligence，AI）的快速發展與廣泛普及，各高校大力開展人工智能通識教育工作。本書以培養學生人工智能思維為導向，結合案例全面系統地介紹人工智能的核心知識及其應用，適合零基礎學生學習使用。
本書共8章，分為4篇，即人工智能概述篇、人工智能基礎篇、人工智能應用篇、人工智能展望篇，主要內容包括人工智能概述、機器學習基礎、深度學習基礎、大語言模型技術基礎、人工智能工具應用、人工智能行業應用、人工智能前沿應用、人工智能倫理安全與發展趨勢。
本書可作為人工智能通識課程的教材，也可供相關領域的培訓機構教學使用，還可作為社會大眾了解人工智能基礎知識的參考書。
作者簡介
張平：
湖南工商大學計算機學院“雙師型”教師，博士，副教授，碩士生導師；主持教育部青年項目、湖南省教改項目等科研/教研項目多項，在CCF推薦的權威期刊上發表SCI論文若幹篇；主編《機器學習基礎與案例實戰（Python+Sklearn+TensorFlow）（慕課版）》《Python程序設計基礎與案例實戰（慕課版）》《Ubuntu Linux操作系統案例教程》《Linux操作系統案例教程（CentOS Stream 9/RHEL 9）（微課版）》《Linux系統管理與服務配置（慕課版）》等多本教材，其中2本教材獲評“十四五”國家級規劃教材，理論功底紮實，實踐經驗頗豐。
目錄大綱
【章名目錄】
[第 一篇] 人工智能概述篇 1
第 1章 人工智能概述 2
[第二篇] 人工智能基礎篇 27
第 2章 機器學習基礎 28
第3章 深度學習基礎 65
第4章 大語言模型技術基礎 90
[第三篇] 人工智能應用篇 109
第5章 人工智能工具應用 110
第6章 人工智能行業應用 144
第7章 人工智能前沿應用 170
[第四篇] 人工智能展望篇 196
第8章 人工智能倫理安全與發展趨勢 197
【詳細目錄】
第 一篇 人工智能概述篇 1
第 1章 人工智能概述 2
1.1 人工智能簡介 3
1.1.1 人工智能的定義 3
1.1.2 人工智能的相關概念 4
1.1.3 人工智能的發展歷程 5
1.2 人工智能的三大學派 8
1.2.1 符號主義 8
1.2.2 聯結主義 9
1.2.3 行為主義 10
1.2.4 對比分析和發展趨勢 11
1.3 人工智能的發展基石 12
1.3.1 數據 12
1.3.2 算力 16
1.3.3 算法 22
本章小結 25
課後習題 25
課後實踐 26
第二篇 人工智能基礎篇 27
第 2章 機器學習基礎 28
2.1 機器學習概述 29
2.1.1 機器學習的定義 29
2.1.2 機器學習的基本概念 30
2.1.3 機器學習的基本範式 31
2.2 案例：機器學習賦能股價預測 33
2.2.1 案例概述 33
2.2.2 案例實現 33
2.3 監督學習 35
2.3.1 監督學習概述 35
2.3.2 監督學習常見算法 39
2.4 案例：鳶尾花種類識別 45
2.4.1 案例概述 45
2.4.2 模型開發步驟 46
2.4.3 模型部署和效果展示 46
2.5 無監督學習 47
2.5.1 無監督學習概述 47
2.5.2 聚類 50
2.5.3 降維 54
2.6 案例：圖像壓縮實踐 55
2.6.1 圖像的表示 56
2.6.2 圖像壓縮實現和效果演示 56
2.7 強化學習 57
2.7.1 強化學習概述 57
2.7.2 強化學習典型應用場景 59
2.8 案例：投籃機器人 62
2.8.1 問題分析 62
2.8.2 學習過程實現 62
本章小結 63
課後習題 63
課後實踐 64
第3章 深度學習基礎 65
3.1 深度學習概述 66
3.1.1 深度學習基礎 66
3.1.2 深度學習發展歷程 70
3.2 卷積神經網絡 71
3.2.1 卷積層 72
3.2.2 池化層 74
3.3 案例：計算機視覺實踐 75
3.3.1 案例概述 75
3.3.2 光學字符識別 76
3.3.3 圖像風格遷移 78
3.3.4 自動駕駛中的目標檢測 80
3.4 循環神經網絡 82
3.4.1 序列和文本 82
3.4.2 循環神經網絡原理 83
3.4.3 LSTM原理 84
3.4.4 GRU原理 85
3.5 案例：自然語言處理實踐 86
3.5.1 案例概述 86
3.5.2 情感分析 87
3.5.3 垃圾郵件識別 87
本章小結 88
課後習題 89
課後實踐 89
第4章 大語言模型技術基礎 90
4.1 大語言模型概述 91
4.1.1 語言模型 91
4.1.2 大語言模型 92
4.1.3 多模態大語言模型 93
4.2 案例：註意力機制圖解 95
4.2.1 註意力機制與Transformer 95
4.2.2 基本原理 97
4.2.3 相關性評分 97
4.2.4 註意力計算 98
4.3 案例：大語言模型結構圖解 99
4.3.1 分詞器 99
4.3.2 位置編碼 100
4.3.3 Transformer堆棧 100
4.3.4 語言建模頭 101
4.4 案例：大語言模型賦能軍事分析 102
4.4.1 案例概述 102
4.4.2 案例詳解 103
本章小結 107
課後習題 107
課後實踐 108
第三篇 人工智能應用篇 109
第5章 人工智能工具應用 110
5.1 AIGC概述 111
5.1.1 AIGC基礎 111
5.1.2 AIGC的發展現狀 111
5.1.3 AIGC面臨的挑戰與未來趨勢 113
5.1.4 提示詞設計 114
5.2 AIGC賦能文案創作 115
5.2.1 概述 115
5.2.2 代表性工具產品 116
5.3 案例：公眾號文案創作 117
5.3.1 案例概述 117
5.3.2 基礎創作框架提示詞 118
5.3.3 分場景優化指令 118
5.3.4 高級調優技巧 120
5.4 案例：直播話術文案創作 121
5.4.1 案例概述 121
5.4.2 直播話術文案結構框架 122
5.4.3 直播話術文案創作實踐 123
5.5 AIGC賦能圖像創作 124
5.5.1 概述 124
5.5.2 代表性工具產品 126
5.6 案例：人工智能賦能圖像處理 127
5.6.1 案例概述 127
5.6.2 人工智能賦能圖像處理實踐 128
5.7 案例：營銷海報創作 131
5.7.1 案例概述 131
5.7.2 人工智能賦能營銷海報創作實踐 133
5.8 AIGC賦能音視頻創作 135
5.8.1 概述 135
5.8.2 代表性工具產品 138
5.9 案例：短視頻創作 139
5.9.1 案例概述 139
5.9.2 《山海經》中的上古神獸 139
本章小結 142
課後習題 142
課後實踐 143
第6章 人工智能行業應用 144
6.1 人工智能賦能農業 145
6.1.1 精準農業與智能化種植 145
6.1.2 農業供應鏈與市場預測 146
6.1.3 案例：人工智能賦能農作物管理 147
6.2 人工智能賦能交通運輸行業 153
6.2.1 自動駕駛技術 153
6.2.2 其他典型應用 157
6.3 人工智能賦能醫療健康行業 158
6.3.1 疾病診斷和個性化治療 158
6.3.2 醫療機器人與虛擬助手 159
6.3.3 健康管理與疫情監測 161
6.3.4 藥物研發 162
6.3.5 案例：人工智能賦能醫療診斷 163
6.4 人工智能賦能其他行業 163
6.4.1 金融行業 163
6.4.2 教育行業 165
6.4.3 制造行業 165
6.4.4 零售行業 166
本章小結 168
課後習題 168
課後實踐 169
第7章 人工智能前沿應用 170
7.1 AI智能體 171
7.1.1 AI智能體概述 171
7.1.2 AI智能體的核心能力 173
7.1.3 AI智能體的技術架構 175
7.2 案例：LLM智能體與多智能體系統 176
7.2.1 LLM的局限性分析 176
7.2.2 記憶能力 177
7.2.3 外部工具 178
7.2.4 LLM智能體 178
7.2.5 多智能體系統 180
7.3 案例：OpenClaw剖析 182
7.3.1 OpenClaw核心架構 182
7.3.2 OpenClaw技術特點 182
7.4 具身智能 182
7.4.1 具身智能概述 183
7.4.2 具身智能的關鍵技術 186
7.4.3 具身智能的應用場景 188
7.5 通用人工智能 190
7.5.1 通用人工智能概述 190
7.5.2 通用人工智能發展的主要挑戰 191
7.5.3 通用人工智能的未來圖景 192
本章小結 193
課後習題 193
課後實踐 194
第四篇 人工智能展望篇 196
第8章 人工智能倫理安全與發展趨勢 197
8.1 人工智能的倫理安全 198
8.1.1 信息安全與隱私保護基礎 198
8.1.2 人工智能的倫理安全 201
8.2 人工智能的技術挑戰和發展趨勢 206
8.2.1 人工智能的技術挑戰 206
8.2.2 人工智能的發展趨勢 208
本章小結 209
課後習題 209
課後實踐 210
