[
-
内容大纲
本书系统介绍了人工智能从基础理论到前沿应用的全方位知识体系，涵盖机器学习、深度学习、大模型训练等核心算法，以及AIoT、自动驾驶、人形机器人等关键应用领域。书中详细解析了GPT、DeepSeek等大模型的实现原理，并提供了Hugging Face、LangChain等主流工具的实践指南，同时深入探讨了AI伦理及未来发展趋势。
本书既注重理论深度，又强调实践价值，既可作为AI研发人员的实用参考手册，也适合作为高校人工智能相关专业的教学用书。 -
作者介绍
-
目录
第1章 人工智能概述
1.1 AI的发展历程与现状
1.1.1 人工智能的三大学派
1.1.2 人工智能的发展历程
1.1.3 人工智能的前景展望
1.2 AI的主要分支与关键技术体系概述
1.2.1 机器学习
1.2.2 计算机视觉
1.2.3 自然语言处理
1.2.4 知识图谱
1.2.5 人机交互
1.2.6 生物特征识别
1.2.7 机器人技术
1.2.8 专家系统与认知计算
1.2.9 模糊逻辑和模糊识别
1.2.10 AI芯片与计算架构
1.2.11 大数据处理与分析
1.2.12 云计算与边缘计算
1.2.13 AI操作系统与中间件
1.2.14 AI安全与伦理
第2章 人工智能核心算法与大模型技术
2.1 机器学习基础算法体系
2.1.1 监督学习
2.1.2 无监督学习
2.1.3 强化学习
2.2 深度学习架构与深层原理探析
2.2.1 前馈神经网络
2.2.2 全连接网络
2.2.3 卷积神经网络
2.2.4 循环神经网络
2.2.5 生成对抗网络
2.2.6 自编码器
2.2.7 Transformer
2.2.8 编码器-解码器架构
2.2.9 胶囊网络
2.2.10 残差网络
2.2.11 图神经网络
2.2.12 深度信念网络
2.2.13 双向循环神经网络
2.2.14 多层感知机
2.2.15 密集连接网络
2.3 GPT模型的内部机制及实现方法解读
2.3.1 GPT模型介绍
2.3.2 GPT模型核心工作原理
2.3.3 Transformer工作流程
2.3.4 GPT预训练与微调
2.4 DeepSeek——创新开源的典范
2.4.1 混合专家系统架构
2.4.2 多头潜注意力
2.4.3 多令牌预测
2.4.4 强化学习训练方法
2.4.5 模型蒸馏技术
2.4.6 双管道流水线与FP8混合精度
2.4.7 开源与社区贡献
2.4.8 DeepSeek和GPT对比
2.5 算力在AI领域的重要性
2.5.1 算力的定义
2.5.2 算力的度量单位
2.5.3 算力在AI领域的重要性
2.5.4 英伟达在算力方面的领先优势
第3章 大模型训练与优化策略
3.1 大数据预处理与特征工程技术
3.1.1 大数据预处理
3.1.2 特征工程
3.1.3 常见的大数据处理软件
3.1.4 初学者入门建议
3.2 分布式训练框架的选择与优化
3.2.1 分布式训练策略
3.2.2 主流的分布式训练框架
3.2.3 分布式训练优化策略
3.3 超参数调整策略与模型压缩技术
3.3.1 典型的大模型超参数
3.3.2 调整超参数的实验性方法
3.3.3 大模型超参数调整主要步骤
3.3.4 大模型压缩技术
第4章 物联网与AI的深度融合
4.1 AIoT技术栈关键组成
4.1.1 感知层
4.1.2 网络层
4.1.3 平台层
4.1.4 应用层
4.1.5 AI层
4.1.6 安全层
4.1.7 服务管理层
4.2 AIoT边缘计算操作系统及处理海量数据方式
4.2.1 AIoT边缘计算操作系统
4.2.2 边缘计算处理海量数据的方式
4.3 AIoT应用案例
4.3.1 智慧城市
4.3.2 智能制造
4.3.3 智慧农业
4.3.4 健康监护
第5章 人形机器人与AI智能交互
5.1 机器人操作系统与多模态感知模块设计
5.1.1 机器人操作系统介绍
5.1.2 常见的机器人操作系统
5.1.3 机器人多模态感知模块
5.1.4 基于英伟达Project GROOT简要代码示例
5.2 人形机器人运动规划与路径优化算法
5.2.1 环境建模
5.2.2 运动规划
5.3 强化学习在机器人自主行为学习与决策中的应用
5.3.1 马尔可夫决策过程
5.3.2 机器人与环境互动模型
5.3.3 强化学习在机器人路径规划与导航中的应用
5.3.4 机器人强化学习的技术要点
5.3.5 未来展望
第6章 自动驾驶与AI
6.1 自动驾驶级别划分与技术发展路线
6.1.1 自动驾驶级别划分详细描述
6.1.2 自动驾驶技术发展路线介绍
6.2 自动驾驶系统构成要素与功能模块详解
6.2.1 国内外主要厂商的自动驾驶系统介绍
6.2.2 构成要素与功能模块详解
6.2.3 车辆控制
6.2.4 动力学建模
6.2.5 人机交互提升用户体验的关键
6.2.6 通信V2X开启新纪元
6.2.7 云服务支持
6.2.8 系统架构综合考虑的安全与性能
6.3 特斯拉自动驾驶技术
6.3.1 感知技术
6.3.2 BEV
6.3.3 3D重建与占用网络
6.3.4 深度学习与神经网络
6.3.5 端到端方案
第7章 Hugging Face Transformers与AI大模型的集成
7.1 Hugging Face Transformers
7.1.1 Hugging Face Transformers概述
7.1.2 Hugging Face Models、Datasets 和Spaces
7.2 Hugging Face Transformers库
7.2.1 Hugging Face Transformers库介绍
7.2.2 Hugging Face 开发环境
7.2.3 Hugging Face Transformers库跨语言处理
7.2.4 Hugging Face Transformers库性能优化方法
7.3 如何选用并训练适合的预训练模型
7.3.1 为什么使用预训练模型
7.3.2 Hugging Face的预训练模型库
7.3.3 如何选择合适的预训练模型
7.3.4 数据准备
7.3.5 模型微调
7.3.6 模型评估
7.3.7 模型部署
7.3.8 持续优化
7.4 如何通过Hugging Face Transformers接口进行AI大模型封装和调用
第8章 LangChain与Ollama
8.1 LangChain
8.1.1 LangChain概述
8.1.2 LangChainAI模型准备
8.1.3 LangChain和LLaMA 3搭建聊天机器人系统
8.2 Ollama
8.2.1 Ollama介绍
8.2.2 Ollama模型融合功能
8.2.3 Ollama模型服务化
8.3 阿里云企业级部署DeepSeek模型
第9章 AI技术的发展趋势与挑战
9.1 AI伦理、法律与安全问题的探讨
9.1.1 AI伦理问题
9.1.2 AI法律问题
9.1.3 AI安全问题
9.1.4 未来展望
9.2 AI与其他新兴科技的融合创新趋势
9.2.1 AI与物联网的融合
9.2.2 AI与区块链的融合
9.2.3 AI与5G通信的融合
9.2.4 AI与边缘计算的融合
9.2.5 AI与量子计算的融合
9.2.6 AI与虚拟现实和增强现实的融合
9.2.7 AI与生物技术的融合
9.2.8 未来展望
9.3 AI对未来社会经济结构及个人生活方式的影响
9.3.1 对社会经济结构的影响
9.3.2 对个人生活方式的影响
9.4 中国开源大模型DeepSeek对整个AI行业及国产软硬件的影响
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...