第1章 人工智能的產(chǎn)生與發(fā)展
1.1 引言——激動(dòng)人心的AI-2016與AI-2023
1.1.1 人工智能的基本概念
1.1.2 AI-2016——無(wú)敵圍棋系統(tǒng)AlphaGo
1.1.3 AI-2023——預(yù)訓(xùn)練大語(yǔ)言模型GPT-4凌空出世
1.1.4 計(jì)算機(jī)視覺(jué)的“世界杯”——ILSVRC
1.1.5 計(jì)算機(jī)聽(tīng)覺(jué)的實(shí)現(xiàn)——智能語(yǔ)音處理
1.1.6 AI的綜合應(yīng)用——自動(dòng)駕駛汽車
1.1.7 我國(guó)新一代AI發(fā)展規(guī)劃出臺(tái)
1.2 人工智能的產(chǎn)生與發(fā)展
1.2.1 AI的孕育與誕生（1943——1955）
1.2.2 AI艱難發(fā)展的六十年（1956——2016）
1.2.3 AI突飛猛進(jìn)的七年（2017——2023）
1.3 認(rèn)識(shí)AI的賦能
1.3.1 AI賦能的含義
1.3.2 感知能力——圖像與視覺(jué)
1.3.3 語(yǔ)言能力——自然語(yǔ)言處理
1.3.4 記憶能力——知識(shí)表示與知識(shí)圖譜
1.3.5 推理能力——自動(dòng)推理與專家系統(tǒng)
1.3.6 規(guī)劃能力——智能規(guī)劃
1.3.7 學(xué)習(xí)能力——機(jī)器學(xué)習(xí)
1.3.8 AI賦能實(shí)體經(jīng)濟(jì)
1.4 人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
1.4.1 AI的分類
1.4.2 人工智能與機(jī)器智能
1.4.3 人工智能與模式識(shí)別
1.4.4 機(jī)器學(xué)習(xí)
1.4.5 深度學(xué)習(xí)
1.5 算法、算力與大數(shù)據(jù)
1.5.1 人工智能崛起的三大基石
1.5.2 計(jì)算能力
1.5.3 云存儲(chǔ)與大數(shù)據(jù)
1.5.4 人工智能算法
1.6 人工智能的產(chǎn)業(yè)生態(tài)
1.6.1 人工智能產(chǎn)業(yè)生態(tài)的三層劃分
1.6.2 基礎(chǔ)層
1.6.3 技術(shù)層
1.6.4 應(yīng)用層
1.7 科技巨頭在AI領(lǐng)域的布局
1.7.1 國(guó)外科技巨頭在AI領(lǐng)域的布局
1.7.2 我國(guó)科技巨頭在AI領(lǐng)域的布局
1.8 人工智能產(chǎn)業(yè)人才需求與學(xué)習(xí)路徑
1.8.1 人工智能產(chǎn)業(yè)人才的含義
1.8.2 人工智能產(chǎn)業(yè)人才的技能需求
第2章 AI典型應(yīng)用展現(xiàn)與體驗(yàn)
2.1 科大訊飛開(kāi)放平臺(tái)
2.1.1 科大訊飛開(kāi)放平臺(tái)簡(jiǎn)介
2.1.2 平臺(tái)特色
2.1.3 功能特點(diǎn)
2.1.4 應(yīng)用領(lǐng)域
2.1.5 訊飛輸入法體驗(yàn)
2.1.6 訊飛智能音箱體驗(yàn)
2.1.7 訊飛星火認(rèn)知大模型
2.2 OpenAI的GPT與ChatGPT
2.2.1 GPT與ChatGPT簡(jiǎn)介
2.2.2 調(diào)用GPT-2進(jìn)行文本生成
2.2.3 ChatGPT的基礎(chǔ)應(yīng)用與文檔生成
2.2.4 GPT-4的編程能力與代碼生成
2.3 微軟New Bing與Copilot
2.3.1 微軟智能搜索工具New Bing
2.3.2 微軟AI工具Copilot
2.3.3 智能操作系統(tǒng)：Windows 11+ Copilot
2.4 AIGC的圖像生成
2.4.1 AIGC圖像生成簡(jiǎn)介
2.4.2 AI圖像生成的原理與應(yīng)用場(chǎng)景
2.4.3 常用AIGC圖像生成工具
2.5 人臉識(shí)別系統(tǒng)
2.5.1 人臉識(shí)別簡(jiǎn)介
2.5.2 人臉檢測(cè)
2.5.3 人臉對(duì)比
2.5.4 人臉查找
2.5.5 人臉識(shí)別應(yīng)用體驗(yàn)
2.6 智能商務(wù)
2.6.1 AI助力電子商務(wù)
2.6.2 典型電子商務(wù)AI應(yīng)用
2.6.3 電子商務(wù)的大數(shù)據(jù)
2.7 智能機(jī)器人
2.7.1 蘋果Siri
2.7.2 百度機(jī)器人
2.7.3 訊飛機(jī)器人
2.7.4 漢森機(jī)器人公司Sophia
2.7.5 達(dá)闥云端智能服務(wù)機(jī)器人
2.8 智能視頻監(jiān)控
2.8.1 智能視頻監(jiān)控簡(jiǎn)介
2.8.2 運(yùn)動(dòng)目標(biāo)檢測(cè)
2.8.3 目標(biāo)跟蹤
2.8.4 三維建模
2.8.5 行人重識(shí)別
2.8.6 行為理解和描述
2.9 智能數(shù)字人
2.9.1 智能數(shù)字人簡(jiǎn)介
2.9.2 智能數(shù)字人解決方案
2.9.3 智能數(shù)字人的應(yīng)用
第3章 Python數(shù)據(jù)處理
3.1 Python基本數(shù)據(jù)類型
3.1.1 Number（數(shù)字類型）
3.1.2 List（列表）
3.1.3 Tuple（元組）
3.1.4 Dictionary（字典）
3.1.5 String（字符串）
3.1.6 Set（集合）
3.2 常用數(shù)據(jù)處理模塊
3.2.1 NumPy
3.2.2 Pandas
3.2.3 Matplotlib庫(kù)
3.3 常見(jiàn)數(shù)據(jù)集簡(jiǎn)介
3.3.1 MNIST數(shù)據(jù)集
3.3.2 CTW數(shù)據(jù)集
3.4 數(shù)據(jù)收集、整理與清洗
3.4.1 數(shù)據(jù)收集
3.4.2 數(shù)據(jù)整理
3.4.3 數(shù)據(jù)清洗
3.5 數(shù)據(jù)分析
3.5.1 CSV文件
3.5.2 Excel文件
3.6 圖像處理
3.6.1 數(shù)字圖像處理技術(shù)
3.6.2 圖像格式的轉(zhuǎn)化
3.6.3 Python圖像處理
第4章 機(jī)器學(xué)習(xí)及其典型算法應(yīng)用
4.1 機(jī)器學(xué)習(xí)簡(jiǎn)介
4.1.1 基本含義
4.1.2 應(yīng)用場(chǎng)景
4.1.3 機(jī)器學(xué)習(xí)類型
4.1.4 機(jī)器學(xué)習(xí)的相關(guān)術(shù)語(yǔ)
4.1.5 scikit-learn平臺(tái)
4.2 分類任務(wù)
4.2.1 K近鄰分類算法
4.2.2 決策樹(shù)分類算法
4.2.3 貝葉斯分類算法
4.2.4 支持向量機(jī)分類算法
4.2.5 人工神經(jīng)網(wǎng)絡(luò)
4.3 回歸任務(wù)
4.3.1 回歸的含義
4.3.2 線性回歸
4.3.3 邏輯回歸
4.3.4 回歸主要算法
4.4 聚類任務(wù)
4.4.1 聚類的含義
4.4.2 聚類主要算法
4.4.3 聚類任務(wù)示例
4.5 機(jī)器學(xué)習(xí)應(yīng)用實(shí)例
4.5.1 手寫(xiě)數(shù)字識(shí)別
4.5.2 波士頓房?jī)r(jià)預(yù)測(cè)
第5章 神經(jīng)網(wǎng)絡(luò)及其基礎(chǔ)算法應(yīng)用
5.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
5.1.1 生物神經(jīng)元
5.1.2 人工神經(jīng)網(wǎng)絡(luò)的概念
5.1.3 人工神經(jīng)元模型與神經(jīng)網(wǎng)絡(luò)
5.1.4 感知器算法及應(yīng)用示例
5.1.5 神經(jīng)網(wǎng)絡(luò)可視化工具——PlayGround
5.2 前饋神經(jīng)網(wǎng)絡(luò)
5.2.1 前饋神經(jīng)網(wǎng)絡(luò)模型
5.2.2 反向傳播神經(jīng)網(wǎng)絡(luò)
5.2.3 反向傳播神經(jīng)網(wǎng)絡(luò)算法規(guī)則
5.2.4 反向傳播神經(jīng)網(wǎng)絡(luò)應(yīng)用示例
5.3 反饋神經(jīng)網(wǎng)絡(luò)模型
5.3.1 反饋神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介
5.3.2 離散Hopfield神經(jīng)網(wǎng)絡(luò)
5.3.3 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)
5.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
5.5 卷積神經(jīng)網(wǎng)絡(luò)
5.5.1 卷積與卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
5.5.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)——LeNet-5
5.5.3 卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
5.5.4 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用示例
第6章 深度學(xué)習(xí)及其典型算法應(yīng)用
6.1 深度學(xué)習(xí)框架簡(jiǎn)介
6.1.1 深度學(xué)習(xí)框架社區(qū)情況
6.1.2 深度學(xué)習(xí)框架比較
6.2 TensorFlow深度學(xué)習(xí)框架
6.2.1 TensorFlow建模流程
6.2.2 TensorFlow層次結(jié)構(gòu)
6.2.3 TensorFlow的高階API
6.2.4 TensorFlow開(kāi)發(fā)環(huán)境搭建
6.2.5 TensorFlow組成模型
6.2.6 TensorFlow實(shí)現(xiàn)線性回歸
6.2.7 TensorFlow實(shí)現(xiàn)全連接神經(jīng)網(wǎng)絡(luò)
6.3 深度學(xué)習(xí)在MNIST圖像識(shí)別中的應(yīng)用
6.3.1 MNIST數(shù)據(jù)集及其識(shí)別方法
6.3.2 全連接神經(jīng)網(wǎng)絡(luò)識(shí)別MNIST圖像
6.3.3 卷積神經(jīng)網(wǎng)絡(luò)識(shí)別MNIST圖像
6.3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)識(shí)別MNIST圖像
6.4 高階API構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型
6.4.1 導(dǎo)入tf.keras
6.4.2 構(gòu)建簡(jiǎn)單的模型
6.4.3 訓(xùn)練和評(píng)估
6.4.4 構(gòu)建高級(jí)模型
6.4.5 回調(diào)
6.4.6 保存和恢復(fù)模型
6.4.7 Eager Execution
6.4.8 分布
6.4.9 符號(hào)和命令式高階API
第7章 人工智能大模型與內(nèi)容生成
7.1 AI大模型的崛起
7.2 典型大模型GPT-4的功能概述
7.3 基于開(kāi)放AI模型的應(yīng)用開(kāi)發(fā)入門
7.3.1 搭建應(yīng)用開(kāi)發(fā)環(huán)境
7.3.2 典型AI模型應(yīng)用開(kāi)發(fā)實(shí)例
7.3.3 主流開(kāi)放預(yù)訓(xùn)練模型能力匯總
7.4 多模態(tài)大模型與AIGC應(yīng)用
7.4.1 多模態(tài)大模型與AIGC的簡(jiǎn)介
7.4.2 AIGC文本生成
7.4.3 AIGC圖像生成
7.4.4 AIGC音頻生成
7.4.5 AIGC視頻生成
第8章 人工智能的機(jī)遇、挑戰(zhàn)與未來(lái)
8.1 AI的行業(yè)應(yīng)用日趨火爆
8.1.1 云計(jì)算、大數(shù)據(jù)助力AI
8.1.2 AI助力金融
8.1.3 AI助力電商零售
8.1.4 AI助力安防
8.1.5 AI助力教育
8.1.6 AI助力醫(yī)療健康
8.1.7 AI助力個(gè)人生活
8.1.8 AI助力自動(dòng)駕駛
8.2 “智能代工”大潮來(lái)襲
8.2.1 “智能代工”的含義
8.2.2 “中國(guó)智造”的機(jī)遇
8.2.3 “智能代工”帶來(lái)的挑戰(zhàn)
8.3 新IT、智聯(lián)網(wǎng)與社會(huì)信息物理系統(tǒng)
8.3.1 AI與IT新解
8.3.2 智聯(lián)網(wǎng)
8.3.3 社會(huì)物理網(wǎng)絡(luò)系統(tǒng)
8.4 人工智能的未來(lái)
8.4.1 發(fā)展趨勢(shì)預(yù)測(cè)
8.4.2 我國(guó)的AI布局
8.4.3 全球AI的產(chǎn)業(yè)規(guī)模
8.5 AI面臨的挑戰(zhàn)
8.5.1 AI的人才挑戰(zhàn)
8.5.2 AI的技術(shù)挑戰(zhàn)
8.5.3 AI的法律、安全與倫理挑戰(zhàn)
8.6 擁抱人工智能的明天
8.6.1 AI產(chǎn)品將全面進(jìn)入消費(fèi)級(jí)市場(chǎng)
8.6.2 認(rèn)知類AI產(chǎn)品將趕超人類專家顧問(wèn)水平
8.6.3 AI將成為可復(fù)用、可購(gòu)買的智能服務(wù)
8.6.4 AI人才將呈現(xiàn)井噴式的大量需求
8.6.5 人類的知識(shí)、智慧、人性或?qū)⒅匦露�義
8.6.6 一次非凡的突破——打電話的AI通過(guò)了圖靈測(cè)試
8.6.7 2022年——AI2.0的新紀(jì)元開(kāi)啟
8.6.8 步入通用人工智能AGI的大門就要開(kāi)啟
附錄A 人工智能基礎(chǔ)開(kāi)發(fā)環(huán)境搭建
附錄B 人工智能的數(shù)學(xué)基礎(chǔ)與工具
附錄C 公開(kāi)數(shù)據(jù)集介紹與下載
附錄D 人工智能的網(wǎng)絡(luò)學(xué)習(xí)資源
附錄E 人工智能的技術(shù)圖譜
附錄F 人工智能技術(shù)應(yīng)用就業(yè)崗位與技能需求
參考文獻(xiàn)