人工智能通识(微课版)电子书

书名页

版权

目录

任务1.1 熟悉计算机基础

1.1.1 计算的渊源

1.1.2 计算机的出现

1.1.3 通用计算机

1.1.4 计算机语言

1.1.5 计算机的智能行为

任务1.2 定义人工智能

1.2.1 “人工”与“智能”

1.2.2 人工智能的定义

1.2.3 人工智能实现途径

1.2.4 人工智能发展中的“中国风”

【作业】

【实训与思考】深入理解人工智能与人类思考

任务2.1 理解数学素养与计算思维

2.1.1 数学是美的

2.1.2 数学素养内涵

2.1.3 培养和发展数学素养

2.1.4 数学素养对人工智能的意义

2.1.5 模糊逻辑的定义

任务2.2 掌握计算思维与学科基础

2.2.1 人工智能学科基础

2.2.2 计算思维的概念

2.2.3 计算思维的核心要素

2.2.4 培养计算思维

2.2.5 计算思维对人工智能的意义

【作业】

【实训与思考】培养数学素养与计算思维

任务3.1 从机械思维到数据思维

3.1.1 机械思维是现代文明的基础

3.1.2 解决不确定性问题的思维

3.1.3 数据科学的核心要素

3.1.4 数据科学的应用场景

3.1.5 从数据到知识

任务3.2 大数据思维与思维变革

3.2.1 大数据的定义

3.2.2 思维转变之一：样本=总体

3.2.3 思维转变之二：接受数据的混杂性

3.2.4 思维转变之三：数据的相关关系

3.2.5 数据挖掘分析方法

3.2.6 大数据与人工智能的联系

【作业】

【实训与思考】数据素养与大数据技术

任务4.1 理解智能体和环境

4.1.1 智能体的定义

4.1.2 智能体的性能度量

4.1.3 智能体的任务环境

4.1.4 智能体的结构与程序

4.1.5 学习型智能体

任务4.2 熟悉智能代理与智能体AI

4.2.1 智能代理的定义

4.2.2 智能代理的典型工作过程

4.2.3 智能代理系统内的协同合作

4.2.4 智能代理的典型应用

4.2.5 下一个风口：智能体

4.2.6 智能体AI时代

【作业】

【实训与思考】分析智能体的设计与行为

任务5.1 机器学习简介

5.1.1 机器学习的发展历程

5.1.2 机器学习的定义

5.1.3 监督学习

5.1.4 无监督学习

5.1.5 机器学习的基本结构

任务5.2 机器学习算法

5.2.1 回归算法

5.2.2 K-近邻算法

5.2.3 决策树算法

5.2.4 朴素贝叶斯算法

5.2.5 聚类算法

5.2.6 支持向量机算法

5.2.7 神经网络算法

5.2.8 梯度增强算法

5.2.9 关联规则算法

5.2.10 EM（期望最大化）算法

5.2.11 机器学习算法的典型应用

【作业】

【实训与思考】机器学习算法与应用思考

任务6.1 熟悉神经系统与神经网络

6.1.1 神经系统的结构

6.1.2 神经系统学习机制

6.1.3 人工神经网络研究

6.1.4 深度学习的定义

6.1.5 深度学习示例

6.1.6 机器学习与深度学习的关系

任务6.2 了解卷积神经网络

6.2.1 卷积神经网络简介

6.2.2 卷积神经网络结构

6.2.3 迁移学习的定义

6.2.4 强化学习的定义

6.2.5 强化学习与监督学习的区别

6.2.6 强化学习方法的应用

【作业】

【实训与思考】熟悉神经网络基础与优化深度学习模型

任务7.1 熟悉模式识别与图像识别

7.1.1 模式识别的定义

7.1.2 图像识别能力

7.1.3 图像识别的主要方法

7.1.4 计算机视觉的定义

7.1.5 机器视觉的定义

7.1.6 计算机视觉与机器视觉的区别

任务7.2 掌握智能图像处理技术

7.2.1 图像采集

7.2.2 图像预处理

7.2.3 图像分割

7.2.4 目标识别和分类

7.2.5 目标定位和测量

7.2.6 目标检测和跟踪

7.2.7 机器视觉技术的应用

【作业】

【实训与思考】熟悉图像的处理与识别

任务8.1 理解自然语言处理的功能与能力

8.1.1 自然语言处理的研究内容

8.1.2 深度学习的影响

8.1.3 语音理解与语音识别

8.1.4 大语言模型

8.1.5 高性能、低算力成本的DeepSeek

任务8.2 大语言模型的工作原理

8.2.1 词元及其标记化

8.2.2 基础模型

8.2.3 词嵌入及其含义

8.2.4 生成和理解

8.2.5 大语言模型的核心技术

8.2.6 大语言模型生成模型

【作业】

【实训与思考】初步应用DeepSeek大模型

任务9.1 熟悉生成式人工智能

9.1.1 生成式人工智能的定义

9.1.2 AIGC的定义

9.1.3 生成式人工智能的应用场景

9.1.4 大语言模型的幻觉

9.1.5 生成式人工智能的发展趋势

任务9.2 熟悉多模态生成技术

9.2.1 多模态生成关键技术

9.2.2 视觉与文本结合

9.2.3 跨媒体内容生成

9.2.4 智能感知与响应

9.2.5 多模态生成的应用场景

9.2.6 技术挑战与发展趋势

任务9.3 掌握提示工程原理

9.3.1 提示工程的定义

9.3.2 提示任务的定义

9.3.3 提示词分类

9.3.4 提示构成

9.3.5 提示调优

9.3.6 提示工程技术

【作业】

【实训与思考】熟悉阿里云大模型“通义千问”

任务10.1 掌握AIGC文本生成技术

10.1.1 文本摘要生成

10.1.2 诗歌生成

10.1.3 简单对话系统

10.1.4 多语种翻译

10.1.5 图像生成

任务10.2 理解预测、推荐和游戏技术

10.2.1 大数据预测分析——葡萄酒品质评估

10.2.2 智能推荐系统——奈飞电影推荐

10.2.3 智能推荐系统——亚马逊图书推荐

10.2.4 游戏科学与《黑神话：悟空》

【作业】

【实训与思考】提升人工智能应用的实战能力

任务11.1 熟悉传统机器人学

11.1.1 “中文房间”

11.1.2 传统机器人学

11.1.3 建立包容体系结构

11.1.4 机器感知与机器思维

11.1.5 机器人“三原则”

任务11.2 结合机器人与AIGC

11.2.1 智能与非智能机器人

11.2.2 AIGC应用于机器人

11.2.3 机器人的组成

11.2.4 机器人的运动

11.2.5 波士顿机器人大狗

11.2.6 宇树科技及其四足机器人

【作业】

【实训与思考】机器人编程与应用

任务12.1 熟悉群体智能技术

12.1.1 向蜜蜂学习群体智能

12.1.2 群体智能的两种机制

12.1.3 蚁群算法

12.1.4 搜索机器人算法

12.1.5 粒子群（鸟群）优化算法

任务12.2 群体智能的应用与发展

12.2.1 基本原则与特点

12.2.2 没有机器人的集群

12.2.3 群体智能的应用

12.2.4 机器“狼”的发展

【作业】

【实训与思考】群体智能算法与应用

任务13.1 人工智能面临的伦理挑战

13.1.1 创造智能机器的大猩猩问题

13.1.2 人工智能与人类的关系

13.1.3 人与智能机器的沟通

13.1.4 数据共享问题

13.1.5 机器人权利

任务13.2 构建“可信赖”人工智能系统

13.2.1 人工智能伦理与安全

13.2.2 《人工智能创新发展道德伦理宣言》

13.2.3 欧盟可信赖的伦理准则

13.2.4 人工智能系统“人机对齐”

13.2.5 人工智能伦理的发展

【作业】

【实训与思考】制定人工智能伦理原则

任务14.1 人工智能的社会影响

14.1.1 人工智能发展的启示

14.1.2 发展现状与影响

14.1.3 人工智能的极限

14.1.4 人工智能工程

14.1.5 影响工程的顶级趋势

任务14.2 通用人工智能

14.2.1 传感器与执行器

14.2.2 通用人工智能概念

14.2.3 意识与感知

14.2.4 预训练时代或走向终结

【作业】

【课程学习与实训总结】