目 錄
項目1 探秘人工智能世界——從科幻到現(xiàn)實 1
任務(wù)1.1 科幻電影中的人工智能倫理思辨 2
1.1.1 科幻電影中的人工智能 2
1.1.2 機器人六原則 2
1.1.3 人工智能威脅論 3
任務(wù)1.2 新一代信息技術(shù)認知實踐 4
1.2.1 認識云計算 4
1.2.2 熟悉大數(shù)據(jù) 7
1.2.3 認識物聯(lián)網(wǎng) 9
任務(wù)1.3 人工智能發(fā)展脈絡(luò)與核心概念解析 11
1.3.1 人工智能發(fā)展歷程 11
1.3.2 人工智能的發(fā)展趨勢 13
1.3.3 人工智能核心概念解析 15
任務(wù)1.4 人工智能行業(yè)應(yīng)用場景 19
1.4.1 醫(yī)療健康領(lǐng)域 19
1.4.2 教育領(lǐng)域 20
1.4.3 交通領(lǐng)域 21
1.4.4 金融領(lǐng)域 22
任務(wù)1.5 人工智能倫理辯論 23
實踐與思考1 24
項目2 Python編程實戰(zhàn)——構(gòu)建人工智能開發(fā)基石 26
任務(wù)2.1 Python開發(fā)環(huán)境搭建 27
2.1.1 Python概述 27
2.1.2 Python下載與安裝 28
2.1.3 Anaconda下載與安裝 30
2.1.4 Python集成開發(fā)環(huán)境 33
任務(wù)2.2 Python基本語法 37
2.2.1 標識符 37
2.2.2 關(guān)鍵詞 38
2.2.3 變量 39
2.2.4 行和縮進 39
2.2.5 引號和轉(zhuǎn)義字符 40
2.2.6 注釋 40
2.2.7 編碼規(guī)范 41
任務(wù)2.3 Python基本輸入/輸出 41
2.3.1 標準輸出函數(shù)print() 41
2.3.2 標準輸入函數(shù)input() 43
任務(wù)2.4 Python數(shù)據(jù)類型與運算 43
2.4.1 Python數(shù)據(jù)類型 43
2.4.2 運算符與表達式 47
2.4.3 數(shù)學(xué)運算函數(shù) 50
2.4.4 math模塊 52
任務(wù)2.5 Matplotlib與數(shù)據(jù)可視化 53
2.5.1 Matplotlib的簡介與安裝 53
2.5.2 基本繪圖流程 54
任務(wù)2.6 項目實訓(xùn)：競賽積分分析及預(yù)測 56
2.6.1 項目背景 56
2.6.2 項目任務(wù) 57
2.6.3 項目分析 57
2.6.4 項目實現(xiàn) 57
2.6.5 項目優(yōu)化 58
實踐與思考2 58
項目3 機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)實踐 59
任務(wù)3.1 認識機器學(xué)習(xí) 60
3.1.1 機器學(xué)習(xí)與機器智能 60
3.1.2 機器學(xué)習(xí)的類型和應(yīng)用 61
任務(wù)3.2 監(jiān)督學(xué)習(xí)/無監(jiān)督學(xué)習(xí)算法 62
3.2.1 支持向量機（監(jiān)督學(xué)習(xí)） 63
3.2.2 k-最近鄰分類（監(jiān)督學(xué)習(xí)） 63
3.2.3 樸素貝葉斯分類（監(jiān)督學(xué)習(xí)） 64
3.2.4 集成分類——Bagging 算法、隨機森林算法與Boosting算法
（監(jiān)督學(xué)習(xí)） 65
3.2.5 k-均值聚類算法（無監(jiān)督學(xué)習(xí)） 66
任務(wù)3.3 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 67
3.3.1 人工神經(jīng)網(wǎng)絡(luò) 67
3.3.2 深度學(xué)習(xí) 72
3.3.3 應(yīng)用案例——使用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)鳶尾花分類 74
任務(wù)3.4 卷積神經(jīng)網(wǎng)絡(luò)實踐：圖像分類 78
3.4.1 卷積神經(jīng)網(wǎng)絡(luò)概述 78
3.4.2 圖像分類實踐 81
實踐與思考3 87
項目4 智能感知系統(tǒng) 88
任務(wù)4.1 計算機視覺 89
4.1.1 計算機視覺概述 89
4.1.2 計算機視覺基礎(chǔ)任務(wù)實踐（OpenCV） 90
任務(wù)4.2 人臉檢測與識別 96
4.2.1 人臉識別技術(shù)概述 96
4.2.2 感知智能之人臉識別實踐——申領(lǐng)個人電子社保卡 102
任務(wù)4.3 目標檢測與識別 102
任務(wù)4.4 自動駕駛與環(huán)境感知 104
實踐與思考4 106
項目5 大模型應(yīng)用開發(fā) 107
任務(wù)5.1 大模型技術(shù)概述 108
5.1.1 大模型的定義和特點 108
5.1.2 大模型的主要技術(shù) 109
5.1.3 主流大模型 109
5.1.4 大模型初體驗 112
任務(wù)5.2 Transformer原理可視化解讀 112
5.2.1 自注意力機制 112
5.2.2 Transformer架構(gòu) 113
任務(wù)5.3 提示工程實踐 115
5.3.1 提示工程 115
5.3.2 如何設(shè)計提示詞 115
5.3.3 不同場景下的實踐案例 121
任務(wù)5.4 智能體部署實戰(zhàn)——智能客服機器人 124
5.4.1 智能體概述 124
5.4.2 智能體平臺——扣子（Coze） 126
5.4.3 基于扣子平臺的智能客服機器人開發(fā)案例 128
實踐與思考5 141
項目6 AIGC文本創(chuàng)作工坊 142
任務(wù)6.1 AIGC文本生成工具 143
任務(wù)6.2 DeepSeek輔助公文寫作（智慧校園方案） 143
任務(wù)6.3 Kimi生成人工智能倫理觀點分析報告 146
任務(wù)6.4 通義輔助文獻閱讀 149
實踐與思考6 151
項目7 視覺生成藝術(shù)設(shè)計 152
任務(wù)7.1 AIGC圖像生成工具 152
任務(wù)7.2 生成古風(fēng)插畫《超現(xiàn)實青花竹影》 153
任務(wù)7.3 創(chuàng)作藍牙音箱產(chǎn)品宣傳海報 155
實踐與思考7 158
項目8 人工智能行業(yè)賦能創(chuàng)新 159
任務(wù)8.1 具身智能及其應(yīng)用場景 160
8.1.1 認識具身智能 160
8.1.2 具身智能的發(fā)展歷程及未來趨勢 161
8.1.3 具身智能技術(shù)體系 163
8.1.4 具身智能的應(yīng)用場景 165
任務(wù)8.2 腦機接口及其應(yīng)用場景 171
8.2.1 認識腦機接口 171
8.2.2 腦機接口的發(fā)展歷程及未來趨勢 172
8.2.3 腦機接口技術(shù)體系 172
8.2.4 腦機接口的應(yīng)用場景 174
任務(wù)8.3 人工智能驅(qū)動的企業(yè)數(shù)字化轉(zhuǎn)型 176
8.3.1 認識企業(yè)數(shù)字化轉(zhuǎn)型 176
8.3.2 人工智能驅(qū)動數(shù)字化轉(zhuǎn)型的核心技術(shù) 176
8.3.3 人工智能驅(qū)動數(shù)字化轉(zhuǎn)型的實踐路徑 177
8.3.4 典型行業(yè)轉(zhuǎn)型案例 178
8.3.5 數(shù)字化轉(zhuǎn)型的挑戰(zhàn)與對策 179
8.3.6 未來發(fā)展趨勢 179
實踐與思考8 180