|
人工智能技术及应用 第2版 课件+教案+教学大纲+习题答案
|
|
资料类别
|
计算机课件 |
|
|
课程(专业)
|
人工智能技术及应用 |
|
关键词
|
人工智能技术及应用|机器学习 |
|
适用年级
|
大学 |
|
身份要求
|
普通会员 |
|
金 币
|
50 （金币如何获得？） |
|
文件格式
|
ppt+word |
|
文件大小
|
168117K |
|
发布时间
|
2025-08-19 09:22:00 |
|
预览文件
|
0736520.png（只能预览部分内容） |
|
下载次数
|
0 |
| 发布人 |
kj008 |
内容简介：
人工智能技术及应用 第2版 课件+教案+教学大纲+习题答案
第1章 人工智能时代 1
1.1 人工智能体验 1
1.2 人工智能的三次浪潮 3
1.2.1 计算驱动 4
1.2.2 知识驱动 5
1.2.3 数据驱动 6
1.3 人工智能的内涵和外延 8
1.3.1 人工智能的内涵 8
1.3.2 人工智能的外延 9
1.4 人工智能流派 9
1.4.1 符号主义 9
1.4.2 联结主义 10
1.4.3 行为主义 10
1.5 人工智能产业链 11
第2章 机器学习 15
2.1 机器学习概述 15
2.1.1 机器学习背景 15
2.1.2 机器学习概念 16
2.1.3 机器学习过程 16
2.1.4 机器学习分类 17
2.1.5 Python机器学习算法库 18
2.2 数据准备 20
2.2.1 数据集 20
2.2.2 数据预处理 22
2.2.3 数据集划分 24
2.3 模型训练 24
2.3.1 算法选择 24
2.3.2 损失函数设计 30
2.3.3 超参数 32
2.4 模型评估 33
2.4.1 分类任务模型评估 33
2.4.2 回归任务模型评估 34
2.4.3 代码实现 34
2.5 模型预测 35
2.5.1 泛化能力 35
2.5.2 交叉验证 36
2.5.3 代码实现 36
2.6 机器学习实战 36
2.6.1 乳腺癌分类 36
2.6.2 房价预测 38
第3章 深度学习 41
3.1 全连接神经网络 41
3.1.1 神经元模型 42
3.1.2 神经网络 43
3.2 卷积神经网络 45
3.2.1 深度学习产生的背景 45
3.2.2 卷积神经网络的基本原理 48
3.2.3 深度学习的基本原理 51
3.3 深度学习实战 52
3.3.1 AI Studio 52
3.3.2 车牌识别 53
3.3.3 新闻分类 55
第4章 大模型 58
4.1 DeepSeek 58
4.1.1 DeepSeek概述 58
4.1.2 DeepSeek超级大脑 59
4.1.3 DeepSeek体验 60
4.2 大模型概述 64
4.2.1 大模型的定义 64
4.2.2 大模型的分类 65
4.2.3 大模型的发展历程 65
4.3 AIGC 67
4.3.1 AIGC的发展历程 67
4.3.2 AIGC与大模型的关系 69
4.3.3 AIGC给传统生产模式带来的革新 70
4.4 Transformer 71
4.4.1 Transformer的发展历程 71
4.4.2 Transformer的模型架构 72
4.4.3 Transformer的优势 76
4.5 Prompt 77
4.5.1 Prompt的概念 77
4.5.2 Prompt模式 77
4.5.3 Prompt的作用 78
第5章 人工智能思维 82
5.1 人工智能思维之“道” 82
5.1.1 人工智能的普遍规律 82
5.1.2 AI思维的案例 83
5.1.3 AI思维与人脑思维 85
5.1.4 AI思维的要素 86
5.1.5 AI思维带来认知革命 87
5.2 人工智能思维之“法” 88
5.2.1 AI的底层逻辑 88
5.2.2 相关性和因果性 89
5.2.3 数据的规律性 90
5.3 人工智能思维之“术” 92
5.3.1 从数据到价值 92
5.3.2 数据理解 93
5.3.3 AI如何做出决策 96
5.4 人工智能思维之“器” 98
5.4.1 机器学习算法 98
5.4.2 深度学习网络结构 98
5.4.3 深度学习平台 100
5.5 人工智能思维之“用” 100
5.5.1 行业数字化是大势所趋 100
5.5.2 通过企业的数据中台完成数据打通 101
5.5.3 生产制造数据打通 101
5.5.4 数字化和智能化相辅相成 102
5.5.5 深度学习引领人工智能落地 103
5.6 人工智能思维之“势” 103
5.6.1 如何从无标注数据中学习 103
5.6.2 如何把数据和知识结合起来 104
5.6.3 可解释的AI模型 105
5.6.4 伦理挑战和应对 106
5.6.5 个人信息保护 107
5.6.6 AI落地的人为因素 108
第6章 人工智能前沿 111
6.1 元宇宙 111
6.1.1 元宇宙发展 111
6.1.2 元宇宙概述 113
6.1.3 元宇宙核心技术 115
6.1.4 元宇宙存在的价值 117
6.1.5 元宇宙产业生态 117
6.1.6 元宇宙与大模型一体两面密不可分 118
6.2 数字机器人 119
6.2.1 数字机器人概述 119
6.2.2 RPA兴起的原因 120
6.2.3 RPA应用场景 120
6.2.4 RPA架构 122
6.2.5 RPA发展趋势 122
6.2.6 RPA实战 123
6.2.7 大模型时代下的“手脑并用”：RPA +LLM 128
6.3 强化学习 129
6.3.1 强化学习概述 129
6.3.2 强化学习仿真环境 130
6.3.3 强化学习与传统学习、深度学习的对比 131
6.3.4 大语言模型+强化学习 131
6.4 迁移学习 133
6.4.1 迁移学习概述 133
6.4.2 迁移学习与传统机器学习对比 133
6.4.3 迁移学习方法 134
6.4.4 大模型微调方法是一种有效的迁移学习技术 136
6.5 低代码编程 137
6.5.1 低代码核心理念 137
6.5.2 低代码开发特点 139
6.5.3 低代码开发流程 139
6.5.4 低代码应用场景 140
6.5.5 低代码市场 141
6.5.6 AI大模型与低代码的融合 141
6.6 量子计算 143
6.6.1 量子计算概述 143
6.6.2 量子计算与人工智能 145
6.6.3 大模型与量子计算的未来 145
6.7 多智能体 146
6.7.1 多智能体概述 146
6.7.2 多智能体应用 147
6.7.3 大模型时代的智能体 149
6.8 知识图谱 152
6.8.1 知识图谱诞生 152
6.8.2 知识图谱基本原理 153
6.8.3 知识图谱的分类 154
6.8.4 知识图谱应用场景 155
6.8.5 大模型与知识图谱 155
第7章 人工智能应用 159
7.1 交通+AI 159
7.1.1 网联汽车 159
7.1.2 自动驾驶 161
7.1.3 智能交通概述 166
7.1.4 人工智能在交通中的其他应用 167
7.2 电商+AI 175
7.2.1 体验电商 175
7.2.2 垂直电商 177
7.2.3 高效电商 179
7.2.4 服务电商 180
7.3 建筑+AI 182
7.3.1 智慧楼宇 182
7.3.2 智能家居 186
7.3.3 智能家电 189
7.3.4 智能建筑工地 190
7.4 制造+AI 192
7.4.1 四次工业革命 192
7.4.2 智能制造 193
7.4.3 人工智能在制造业生产环节中的应用 196
7.4.4 人工智能在制造业中的其他应用场景 197
7.4.5 机器人 198
7.4.6 工业机器人 201
7.5 医疗+AI 202
7.5.1 疾病风险预测 203
7.5.2 智能医学影像 204
7.5.3 智能诊疗 205
7.5.4 新药研发 208
7.6 农业+AI 209
7.6.1 智慧农业 209
7.6.2 智慧种植 211
7.6.3 智慧大棚 214
7.6.4 智慧畜牧业 215
7.6.5 智慧水产养殖 217
7.6.6 人工智能在农业中应用的其他场景 218
7.7 教育+AI 220
7.7.1 教育AI的技术构成 220
7.7.2 AI时代的教师职责 222
7.7.3 人工智能在教育中的应用场景 223
7.7.4 AI对教育的挑战 224
相关说明：
1. 如您下载的资料不止一份，建议您注册成为本站会员。会员请登录后下载。
2. 会员购买金币50元以下，0.7元/个，50元以上，0.5元/个。具体请看：下载与付款。
3. 会员48小时内下载同一文件，不重复扣金币。
4. 下载后请用WinRAR或 WinZIP解压缩后使用。
5. 如仍有其他下载问题，请看常见问题解答。
下载地址：
|
|
|