目录

第1章人工智能绪论

1．1人工智能概述

1．1．1什么是智能

1．1．2人工智能的孕育和诞生

1．1．3人工智能的概念与特征

1．1．4人工智能的基本研究内容

1．2人工智能的发展

1．2．1推理期

1．2．2知识期

1．2．3学习期

1．3人工智能分类

1．3．1计算智能、感知智能和认知智能

1．3．2弱人工智能、强人工智能

1．4生成式人工智能

1．4．1生成式人工智能的基本原理

1．4．2生成式人工智能的应用场景

1．5人工智能的发展趋势

1．5．1技术发展趋势

1．5．2潜在应用领域

1．6本章小结

第2章Python编程与数据分析基础

2．1Python编程基础

2．1．1Python环境搭建

2．1．2数据类型与变量定义

2．1．3控制结构

2．1．4组合数据结构

2．1．5函数的定义与使用方法

2．1．6库介绍与导入方式

2．2数据分析基础

2．2．1数据收集

2．2．2数据清洗

2．2．3数据分析与可视化

2．3森林火灾数据集分析实验

2．4智能化编程

2．4．1智能化编程工具介绍

2．4．2GitHub Copilot示例

2．5本章小结

第3章语音处理及其应用

3．1语音处理基础

3．1．1语音处理概述

3．1．2语音识别技术

3．1．3声纹识别技术

3．1．4语音合成技术

3．2语音处理技术的典型应用

3．2．1智能语音助手

3．2．2语音导航系统

3．2．3语音交互教育产品

3．3语音处理实践

3．4本章小结

第4章机器学习基础

4．1有监督学习

4．1．1线性回归

4．1．2逻辑回归

4．1．3决策树

4．1．4随机森林

4．2无监督学习

4．2．1聚类分析

4．2．2主成分分析

4．3强化学习

4．3．1强化学习概述

4．3．2强化学习案例

4．4半监督学习

4．5基于Python编程的机器学习应用实践

4．5．1环境搭建

4．5．2常用的数据集

4．5．3机器学习的实现步骤

4．6本章小结

第5章神经网络与深度学习

5．1神经网络基础

5．1．1神经网络概述

5．1．2激活函数的作用与常见类型

5．1．3前馈神经网络与反向传播算法

5．1．4神经网络的应用案例

5．2深度学习基础

5．2．1卷积神经网络

5．2．2循环神经网络

5．2．3Transformer网络

5．2．4主流深度学习框架及实践案例

5．2．5GPU编程环境搭建与神经网络加速训练

5．3深度学习实验

5．4本章小结

第6章自然语言处理基础

6．1自然语言处理概述

6．1．1自然语言处理的基本概念

6．1．2自然语言处理的发展历程

6．1．3自然语言处理过程

6．2自然语言处理的关键技术

6．2．1自然语言理解

6．2．2自然语言生成

6．3语言模型

6．3．1语言模型的概念

6．3．2大语言模型

6．3．3提示词工程

6．4自然语言处理的应用

6．4．1机器翻译

6．4．2文本分类

6．4．3情感分析

6．5知识图谱及其应用

6．5．1知识图谱概念

6．5．2知识图谱应用

6．6自然语言处理实践

6．6．1数据加载与预处理

6．6．2基于TextBlob的可视化情感分析

6．6．3基于PyTorch的文本分类模型构建

6．6．4分类模型训练

6．7本章小结

第7章计算机视觉

7．1计算机视觉概述

7．1．1视觉及计算机视觉概念

7．1．2计算机视觉的发展历史

7．1．3计算机视觉的应用

7．2数字图像基础

7．2．1数字图像基础知识

7．2．2图像特征提取

7．3计算机视觉的基本任务

7．3．1图像分类

7．3．2目标定位

7．3．3目标检测

7．3．4图像分割

7．4深度生成模型

7．4．1生成对抗网络

7．4．2扩散模型

7．5计算机视觉应用

7．5．1人脸识别

7．5．2自动驾驶

7．5．3光学字符识别

7．6计算机视觉实验

7．6．1图像数据集

7．6．2图像特征提取

7．6．3图片分类

7．7本章小结

第8章人工智能伦理

8．1人工智能伦理与问题

8．1．1算法偏见与公平性问题

8．1．2数据隐私保护

8．1．3人工智能的可解释性

8．1．4人工智能决策的透明性

8．2人工智能对社会、经济与就业的影响

8．2．1产业结构调整与劳动力市场变革

8．2．2人工智能时代的职业发展与技能需求

8．2．3社会治理与法律监管

8．3本章小结

参考文献