【章名目录】
[第一篇]　人工智能概述篇　1
第1章　人工智能概述　2
[第二篇]　人工智能基础篇　27
第2章　机器学习基础　28
第3章　深度学习基础　65
第4章　大语言模型技术基础　90
[第三篇]　人工智能应用篇　109
第5章　人工智能工具应用　110
第6章　人工智能行业应用　144
第7章　人工智能前沿应用　170
[第四篇]　人工智能展望篇　196
第8章　人工智能伦理安全与发展趋势　197

【详细目录】
第一篇　人工智能概述篇　1
第1章　人工智能概述　2
1.1　人工智能简介　3
1.1.1　人工智能的定义　3
1.1.2　人工智能的相关概念　4
1.1.3　人工智能的发展历程　5
1.2　人工智能的三大学派　8
1.2.1　符号主义　8
1.2.2　联结主义　9
1.2.3　行为主义　10
1.2.4　对比分析和发展趋势　11
1.3　人工智能的发展基石　12
1.3.1　数据　12
1.3.2　算力　16
1.3.3　算法　22
本章小结　25
课后习题　25
课后实践　26

第二篇　人工智能基础篇　27
第2章　机器学习基础　28
2.1　机器学习概述　29
2.1.1　机器学习的定义　29
2.1.2　机器学习的基本概念　30
2.1.3　机器学习的基本范式　31
2.2　案例：机器学习赋能股价预测　33
2.2.1　案例概述　33
2.2.2　案例实现　33
2.3　监督学习　35
2.3.1　监督学习概述　35
2.3.2　监督学习常见算法　39
2.4　案例：鸢尾花种类识别　45
2.4.1　案例概述　45
2.4.2　模型开发步骤　46
2.4.3　模型部署和效果展示　46
2.5　无监督学习　47
2.5.1　无监督学习概述　47
2.5.2　聚类　50
2.5.3　降维　54
2.6　案例：图像压缩实践　55
2.6.1　图像的表示　56
2.6.2　图像压缩实现和效果演示　56
2.7　强化学习　57
2.7.1　强化学习概述　57
2.7.2　强化学习典型应用场景　59
2.8　案例：投篮机器人　62
2.8.1　问题分析　62
2.8.2　学习过程实现　62
本章小结　63
课后习题　63
课后实践　64

第3章　深度学习基础　65
3.1　深度学习概述　66
3.1.1　深度学习基础　66
3.1.2　深度学习发展历程　70
3.2　卷积神经网络　71
3.2.1　卷积层　72
3.2.2　池化层　74
3.3　案例：计算机视觉实践　75
3.3.1　案例概述　75
3.3.2　光学字符识别　76
3.3.3　图像风格迁移　78
3.3.4　自动驾驶中的目标检测　80
3.4　循环神经网络　82
3.4.1　序列和文本　82
3.4.2　循环神经网络原理　83
3.4.3　LSTM原理　84
3.4.4　GRU原理　85
3.5　案例：自然语言处理实践　86
3.5.1　案例概述　86
3.5.2　情感分析　87
3.5.3　垃圾邮件识别　87
本章小结　88
课后习题　89
课后实践　89

第4章　大语言模型技术基础　90
4.1　大语言模型概述　91
4.1.1　语言模型　91
4.1.2　大语言模型　92
4.1.3　多模态大语言模型　93
4.2　案例：注意力机制图解　95
4.2.1　注意力机制与Transformer　95
4.2.2　基本原理　97
4.2.3　相关性评分　97
4.2.4　注意力计算　98
4.3　案例：大语言模型结构图解　99
4.3.1　分词器　99
4.3.2　位置编码　100
4.3.3　Transformer堆栈　100
4.3.4　语言建模头　101
4.4　案例：大语言模型赋能军事分析　102
4.4.1　案例概述　102
4.4.2　案例详解　103
本章小结　107
课后习题　107
课后实践　108

第三篇　人工智能应用篇　109
第5章　人工智能工具应用　110
5.1　AIGC概述　111
5.1.1　AIGC基础　111
5.1.2　AIGC的发展现状　111
5.1.3　AIGC面临的挑战与未来趋势　113
5.1.4　提示词设计　114
5.2　AIGC赋能文案创作　115
5.2.1　概述　115
5.2.2　代表性工具产品　116
5.3　案例：公众号文案创作　117
5.3.1　案例概述　117
5.3.2　基础创作框架提示词　118
5.3.3　分场景优化指令　118
5.3.4　高级调优技巧　120
5.4　案例：直播话术文案创作　121
5.4.1　案例概述　121
5.4.2　直播话术文案结构框架　122
5.4.3　直播话术文案创作实践　123
5.5　AIGC赋能图像创作　124
5.5.1　概述　124
5.5.2　代表性工具产品　126
5.6　案例：人工智能赋能图像处理　127
5.6.1　案例概述　127
5.6.2　人工智能赋能图像处理实践　128
5.7　案例：营销海报创作　131
5.7.1　案例概述　131
5.7.2　人工智能赋能营销海报创作实践　133
5.8　AIGC赋能音视频创作　135
5.8.1　概述　135
5.8.2　代表性工具产品　138
5.9　案例：短视频创作　139
5.9.1　案例概述　139
5.9.2　《山海经》中的上古神兽　139
本章小结　142
课后习题　142
课后实践　143

第6章　人工智能行业应用　144
6.1　人工智能赋能农业　145
6.1.1　精准农业与智能化种植　145
6.1.2　农业供应链与市场预测　146
6.1.3　案例：人工智能赋能农作物管理　147
6.2　人工智能赋能交通运输行业　153
6.2.1　自动驾驶技术　153
6.2.2　其他典型应用　157
6.3　人工智能赋能医疗健康行业　158
6.3.1　疾病诊断和个性化治疗　158
6.3.2　医疗机器人与虚拟助手　159
6.3.3　健康管理与疫情监测　161
6.3.4　药物研发　162
6.3.5　案例：人工智能赋能医疗诊断　163
6.4　人工智能赋能其他行业　163
6.4.1　金融行业　163
6.4.2　教育行业　165
6.4.3　制造行业　165
6.4.4　零售行业　166
本章小结　168
课后习题　168
课后实践　169

第7章　人工智能前沿应用　170
7.1　AI智能体　171
7.1.1　AI智能体概述　171
7.1.2　AI智能体的核心能力　173
7.1.3　AI智能体的技术架构　175
7.2　案例：LLM智能体与多智能体系统　176
7.2.1　LLM的局限性分析　176
7.2.2　记忆能力　177
7.2.3　外部工具　178
7.2.4　LLM智能体　178
7.2.5　多智能体系统　180
7.3　案例：OpenClaw剖析　182
7.3.1　OpenClaw核心架构　182
7.3.2　OpenClaw技术特点　182
7.4　具身智能　182
7.4.1　具身智能概述　183
7.4.2　具身智能的关键技术　186
7.4.3　具身智能的应用场景　188
7.5　通用人工智能　190
7.5.1　通用人工智能概述　190
7.5.2　通用人工智能发展的主要挑战　191
7.5.3　通用人工智能的未来图景　192
本章小结　193
课后习题　193
课后实践　194

第四篇　人工智能展望篇　196
第8章　人工智能伦理安全与发展趋势　197
8.1　人工智能的伦理安全　198
8.1.1　信息安全与隐私保护基础　198
8.1.2　人工智能的伦理安全　201
8.2　人工智能的技术挑战和发展趋势　206
8.2.1　人工智能的技术挑战　206
8.2.2　人工智能的发展趋势　208
本章小结　209
课后习题　209
课后实践　210