現代AI基礎(微課視頻版）

目錄

第1章人工智能概述1

1.1人工智能基礎1

1.1.1人工智能的定義與範疇1

1.1.2人工智能的發展歷程2

1.1.3人工智能的基本要素3

1.2人工智能的分類6

1.2.1弱人工智能（狹義人工智能）6

1.2.2強人工智能（通用人工智能）7

1.2.3超人工智能（假設性概念）7

1.3人工智能的關鍵技術8

1.3.1機器學習8

1.3.2深度學習9

1.3.3自然語言處理12

1.3.4計算機視覺13

1.4人工智能的應用領域15

1.4.1智能家居與物聯網16

1.4.2醫療健康18

1.4.3金融科技19

1.4.4智能制造與自動化20

1.4.5交通與物流21

1.5我國人工智能應用現狀與未來展望23

1.5.1我國人工智能技術現狀與發展趨勢23

1.5.2智慧未來： 挑戰與機遇24

1.6本章小結26

課後思考題27

第2章Python編程語言初探28

2.1Python語言概述28

2.1.1Python起源與發展28

2.1.2Python的特點與優勢29

2.1.3Python的應用領域29

2.2Python開發環境配置30

2.2.1Python安裝過程30

2.2.2Python IDE與PyCharm代碼編輯器35

2.2.3Jupyter Notebook與Anaconda簡介38

2.3Python基本語法39

2.3.1代碼縮進、註釋與標識符39

2.3.2基本數據類型、復合數據類型與變量40

2.3.3運算符與表達式43

2.3.4流程控制結構44

2.4Python編程實例48

2.4.1函數與模塊概述48

2.4.2Python模塊化編程實例——使用openpyxl模塊操作

Excel文件50

2.4.3Python面向對象編程實例53

2.4.4Python數據庫編程實例57

2.5Python AI開發實例58

2.5.1常用AI開發庫簡介58

2.5.2綜合案例1——數據分析與可視化61

2.5.3綜合案例2——數據清洗與統計使用62

2.6本章小結65

課後思考題66

第3章數據挖掘基礎67

3.1數據挖掘概述67

3.1.1大數據與信息爆炸67

3.1.2什麼是數據挖掘69

3.1.3數據挖掘的應用領域70

3.1.4數據挖掘的主要任務71

3.2數據挖掘方法72

3.2.1分類預測72

3.2.2聚類分析74

3.2.3關聯規則分析77

3.2.4回歸預測78

3.3數據挖掘工具79

3.3.1開源工具79

3.3.2商業工具81

3.4數據挖掘的挑戰、應用與發展趨勢85

3.4.1數據挖掘面臨的挑戰85

3.4.2數據挖掘的未來趨勢86

3.4.3數據挖掘技術在我國的應用現狀88

3.4.4數據挖掘技術在我國的應用成果89

3.4.5數據挖掘技術在我國的未來發展91

3.5本章小結92

課後思考題92

第4章初識機器學習94

4.1機器學習基礎94

4.1.1機器學習的定義與重要性94

4.1.2機器學習的基本流程96

4.2監督學習98

4.2.1監督學習概述98

4.2.2常見的監督學習算法100

4.2.3監督學習應用實例102

4.3無監督學習103

4.3.1無監督學習概述104

4.3.2常見的無監督學習算法105

4.3.3無監督學習應用實例110

4.4機器學習的重要概念113

4.4.1模型評估與性能指標113

4.4.2過擬合與欠擬合115

4.4.3特征工程115

4.4.4模型選擇與調優117

4.5本章小結119

課後思考題120

第5章神經網絡的起源122

5.1人工神經網絡122

5.1.1神經網絡的思想起源122

5.1.2神經元的數學模型124

5.1.3感知機算法125

5.1.4多層神經網絡127

5.2卷積神經網絡基礎128

5.2.1卷積層129

5.2.2互相關運算129

5.2.3步幅和填充130

5.2.4池化層135

5.2.5全連接層136

5.2.6輸出層137

5.3卷積神經網絡模型簡介138

5.3.1LeNet139

5.3.2AlexNet141

5.4神經網絡的發展與應用143

5.4.1卷積神經網絡的發展與應用143

5.4.2其他神經網絡的發展與應用145

5.5本章小結149

課後思考題150

第6章經典人工智能算法152

6.1遺傳算法152

6.1.1遺傳算法的產生與發展152

6.1.2遺傳學基本知識154

6.1.3遺傳算法概要157

6.1.4遺傳編碼與適應度函數158

6.1.5基本遺傳操作160

6.1.6遺傳算法應用簡例163

6.1.7遺傳算法的應用情況166

6.2蟻群算法167

6.2.1算法思想的淵源168

6.2.2蟻群算法概述169

6.2.3研究歷程171

6.2.4算法的實現方式172

6.2.5螞蟻系統的應用實例175

6.2.6螞蟻算法的改進178

6.2.7應用現狀179

6.3粒子群優化算法180

6.3.1算法思想的淵源180

6.3.2算法的基本原理181

6.3.3算法的基本流程184

6.3.4應用實例186

6.3.5算法的改進189

6.3.6算法的應用現狀190

6.4經典智能優化算法的比較與發展190

6.4.13種算法的對比分析191

6.4.2經典智能優化算法的改進方向196

6.4.3未來發展趨勢197

6.5本章小結198

課後思考題198

第7章我國人工智能開放平臺199

7.1人工智能開放平臺概述199

7.1.1人工智能開放平臺的定義與作用200

7.1.2我國人工智能開放平臺的發展現狀202

7.1.3人工智能開放平臺的分類202

7.2綜合性人工智能開放平臺203

7.2.1百度人工智能平臺204

7.2.2阿裏雲人工智能平臺211

7.2.3騰訊雲人工智能平臺213

7.2.4綜合性人工智能開放平臺對比214

7.3垂直領域人工智能開放平臺215

7.3.1科大訊飛開放平臺215

7.3.2商湯科技開放平臺218

7.3.3曠視科技開放平臺218

7.3.4垂直領域人工智能開放平臺對比219

7.4人工智能開放平臺的挑戰與未來趨勢220

7.4.1平臺面臨的挑戰220

7.4.2平臺的未來發展趨勢222

7.5本章小結223

課後思考題223

第8章大語言模型——從ChatGPT到DeepSeek224

8.1ChatGPT——大語言模型的“老大哥”225

8.1.1ChatGPT主要功能225

8.1.2ChatGPT社會應用226

8.1.3ChatGPT使用爭議227

8.1.4如何正確使用ChatGPT228

8.1.5一些國內的ChatGPT網站229

8.2DeepSeek——國產大語言模型的“扛把子”231

8.2.1DeepSeek應用場景及功能服務231

8.2.2DeepSeek核心技術233

8.2.3DeepSeek在我國的社會影響234

8.2.4DeepSeek的簡單應用235

8.3其他國產大語言模型工具簡介239

8.3.1豆包239

8.3.2Kimi240

8.3.3通義千問241

8.3.4訊飛星火242

8.4本章小結244

課後思考題245

附錄A“人工智能+”將成為每個行業的核心驅動力246

附錄B大語言模型的倫理幹預249

附錄CDeepSeek賦能中華優秀傳統文化的實踐之路252

參考文獻256