目 录
第1章 人工智能概述 /
1
1.1 人工智能简介 /
1
1.1.1 引言 / 1
1.1.2 智能的概念 / 2
1.1.3 人工智能的定义 / 3
1.1.4 人工智能的分类 / 3
1.1.5 人工智能的三个核心要素 / 4
1.2 人工智能的起源与发展 /
5
1.2.1 第一个发展阶段
（1956—1976） / 5
1.2.2 第二个发展阶段
（1976—2006） / 5
1.2.3 第三个发展阶段
（2006年至今） / 6
1.3 学习人工智能的意义 /
7
1.4 人工智能的主要分支 /
7
1.4.1 机器学习 / 8
1.4.2 神经网络 / 8
1.4.3 机器人技术 / 9
1.4.4 专家系统 / 9
1.4.5 计算机视觉 / 10
1.4.6 自然语言处理 / 10
1.5 小结 /
10
习题 /
11
第2章 人工智能编程基础 /
12
2.1 Python在人工智能编程中的优势 /
12
2.1.1 Python简介 / 12
2.1.2 Python的应用领域 / 13
2.1.3 Python的核心优势 / 13
2.2 Python的安装及环境配置 /
14
2.2.1 Python的下载和安装 / 14
2.2.2 PyCharm的下载和安装 / 17
2.3 Python语言基础 /
19
2.3.1 Python基本语法 / 19
2.3.2 关键字与标识符 / 21
2.3.3 常量与变量 / 23
2.3.4 算术运算符 / 24
2.3.5 比较运算符 / 25
2.4 数据类型与转换 /
26
2.4.1 数值 / 26
2.4.2 字符串 / 26
2.4.3 布尔值 / 29
2.4.4 列表 / 29
2.4.5 元组 / 32
2.4.6 字典 / 33
2.4.7 集合 / 33
2.4.8 类型转换 / 33
2.5 逻辑控制语句 /
34
2.5.1 条件分支语句 / 34
2.5.2 循环语句 / 35
2.5.3 break语句和continue语句 / 36
2.6 函数 /
37
2.6.1 定义和使用函数 / 37
2.6.2 变量的作用域 / 39
2.7 模块与库的使用 /
40
2.7.1 自定义模块 / 40
2.7.2 标准库的模块 / 41
2.8 面向对象编程基础 /
41
2.8.1 基本概念 / 41
2.8.2 类的定义和对象创建 / 41
2.8.3 继承 / 42
2.8.4 多态 / 43
2.9 案例：创建“画廊”系统 /
43
2.10 小结 /
45
习题 /
46
第3章 数据处理与可视化 /
47
3.1 NumPy——科学计算工具 /
47
3.1.1 NumPy概述 / 47
3.1.2 NumPy数组运算 / 48
3.2 Pandas——数据分析工具 /
54
3.2.1 Pandas概述 / 54
3.2.2 Pandas基础 / 55
3.2.3 Pandas数据预处理 / 60
3.3 Matplotlib——数据可视化工具 /
63
3.3.1 Matplotlib概述 / 63
3.3.2 Matplotlib绘图 / 65
3.4 案例：抽象艺术数据可视化 /
67
3.5 小结 /
70
习题 /
70
第4章 机器学习基础 /
71
4.1 机器学习概述 /
71
4.1.1 机器学习的定义 / 72
4.1.2 机器学习的基本原理 / 72
4.1.3 机器学习的主要术语 / 73
4.1.4 机器学习的算法分类 / 73
4.1.5 机器学习的主要应用领域 / 74
4.2 监督学习与无监督学习 /
74
4.2.1 监督学习 / 74
4.2.2 无监督学习 / 75
4.3 scikit-learn机器学习库 /
76
4.3.1 scikit-learn概述 / 76
4.3.2 scikit-learn机器学习工作
流程 / 77
4.4 线性回归 /
78
4.4.1 线性回归概述 / 78
4.4.2 线性回归算法基本原理 / 78
4.4.3 线性回归算法应用 / 79
4.5 分类 /
82
4.5.1 分类概述 / 82
4.5.2 分类的工作流程 / 83
4.5.3 逻辑回归算法 / 83
4.5.4 逻辑回归的实现 / 84
4.6
案例：一元线性回归模型的实现与可
视化 /
86
4.7 小结 /
87
习题 /
87
第5章 人工神经网络与深度学习基础 /
88
5.1 人工神经网络概述 /
88
5.1.1 感知机 / 89
5.1.2 从感知机到神经网络 / 90
5.1.3 常用激活函数 / 91
5.2 深度学习简介 /
92
5.2.1 深度学习的概念 / 92
5.2.2 深度学习与传统机器学习 / 92
5.3 主流深度学习框架介绍 /
93
5.4 人工神经网络的训练 /
94
5.5 卷积神经网络 /
95
5.5.1 卷积神经网络简介 / 95
5.5.2 卷积神经网络的结构 / 95
5.5.3 卷积计算 / 96
5.6 循环神经网络 /
99
5.7
案例：使用Keras实现CNN手写数字
识别 /
99
5.8 小结 /
101
习题 /
101
第6章 生成式人工智能与艺术设计 /
102
6.1 生成式人工智能概述 /
102
6.2 生成式人工智能技术原理 /
103
6.2.1 深度学习模型 / 103
6.2.2 生成对抗网络 / 103
6.2.3 自然语言处理 / 103
6.2.4 扩散模型 / 104
6.2.5 预训练与微调 / 104
6.2.6 多模态生成 / 104
6.3 生成式人工智能平台与工具 /
105
6.3.1 文本生成平台 / 105
6.3.2 图像生成平台 / 106
6.3.3 音频生成平台 / 107
6.3.4 视频生成平台 / 107
6.4 生成式人工智能赋能艺术设计 /
108
6.4.1 游戏设计 / 109
6.4.2 装扮设计 / 109
6.4.3 首饰设计 / 109
6.4.4 绘画 / 110
6.4.5 摄影 / 110
6.4.6 服装设计 / 110
6.4.7 电影制作 / 111
6.4.8 建筑设计 / 111
6.5 小结 /
112
习题 /
112
第7章 人工智能绘画技术及其工具 /
113
7.1 人工智能绘画概述 /
113
7.1.1 认识人工智能绘画 / 114
7.1.2 人工智能绘画的发展过程 / 114
7.2 Stable
Diffusion基础 /
115
7.2.1 Stable
Diffusion软件介绍 / 115
7.2.2 Stable
Diffusion界面介绍 / 115
7.2.3 Stable
Diffusion模型类型
介绍 / 117
7.3 文生图 /
117
7.3.1 提示词书写方法 / 117
7.3.2 生成参数调整 / 121
7.4 图生图 /
126
7.4.1 图生图的常用功能 / 126
7.4.2 图像局部修改 / 128
7.5 ControlNet插件的使用 /
133
7.5.1 ControlNet安装方式 / 133
7.5.2 ControlNet界面和参数 / 133
7.5.3 ControlNet模型的使用 / 136
7.6 LoRA模型的使用 /
142
7.6.1 LoRA模型及其安装方法 / 142
7.6.2 LoRA模型的使用方法 / 144
7.7 案例：生成AI未来城市海报 /
145
7.8 小结 /
149
习题 /
149
第8章
人工智能音乐和视频创作技术及其
工具 /
150
8.1 人工智能音乐概述 /
150
8.1.1 认识人工智能音乐 / 150
8.1.2 常用人工智能音乐大模型
简介 / 151
8.2 人工智能音乐基本乐理知识 /
153
8.2.1 作曲 / 153
8.2.2 作词 / 155
8.3 “网易天音”操作教程 /
155
8.3.1 人工智能写歌 / 155
8.3.2 人工智能编曲 / 163
8.3.3 人工智能作词 / 165
8.4 Suno
AI操作教程 /
168
8.4.1 使用Suno AI英文版 / 168
8.4.2 使用Suno AI音乐中文站 / 173
8.4.3 使用天工开物DesignXAI平台的
AI音频工具 / 175
8.5
案例：使用“网易天音”
创作歌曲 /
178
8.6 人工智能视频基本知识 /
181
8.6.1 视频技术基本概述 / 181
8.6.2 常用AIGC视频生成工具 / 183
8.6.3 Prompt文字指令的输入 / 189
8.7
案例：使用即梦AI生成图片和
视频 /
190
8.7.1 登录即梦AI创作平台 / 191
8.7.2 即梦AI生成图片 / 192
8.7.3 即梦AI生成视频 / 194
8.8 小结 /
202
习题 /
202
参考文献 /
204
