目录

理论篇

第1章人工智能发展概述

1.1人工智能的定义与日常应用实例

1.2从图灵测试到DeepSeek

1.2.1图灵测试

1.2.2人工智能的第一次兴起和低谷

1.2.3人工智能的第二次兴起和低谷

1.2.4人工智能的第三次兴起

1.2.5人工智能的当代发展

1.3人工智能的支撑体系

1.3.1算法的作用

1.3.2数据的重要性

1.3.3算力的进步

1.4当代人工智能突破的关键要素

1.5本章小结

1.6习题

第2章机器学习的基础知识

2.1机器学习的定义、分类与基本概念

2.1.1机器学习的定义

2.1.2机器学习的分类

2.1.3机器学习中的基本概念

2.2经典机器学习算法

2.2.1线性模型

2.2.2决策树与集成算法

2.2.3支持向量机

2.2.4聚类算法

2.2.5降维方法

2.3神经网络与深度学习

2.3.1神经网络的基本结构

2.3.2深度学习框架

2.3.3卷积神经网络

2.3.4循环神经网络和自然语言处理

2.4强化学习的反馈训练机制

2.4.1强化学习的基本概念

2.4.2经典强化学习算法

2.4.3应用场景与案例

2.4.4强化学习的挑战与未来方向

2.5本章小结

2.6习题

第3章生成式人工智能

3.1生成对抗网络与扩散模型原理

3.2大语言模型架构与对话机制

3.2.1大语言模型的结构

3.2.2对话系统的实现原理

3.3多模态生成技术的实现

3.3.1多模态生成的基础

3.3.2多模态生成的应用

3.4生成系统的可靠性验证方法

3.5本章小结

3.6习题

第4章智能体系统与实体应用

4.1软件智能体的工作机制

4.1.1软件智能体的定义与特点

4.1.2智能体的感知、决策与执行过程

4.1.3基于规则与学习的智能体系统

4.1.4常见的软件智能体架构与应用场景

4.1.5通用型 AI 智能体 Manus

4.2具身智能体的感知与交互系统

4.2.1具身智能体的概念与发展背景

4.2.2感知系统

4.2.3具身智能体的应用

4.3群体智能协同算法研究

4.3.1群体智能的基本概念与应用场景

4.3.2群体智能中的个体行为与集体决策机制

4.3.3群体协同算法

4.3.4群体智能的实际应用

4.4人机协同的认知增强模式

4.4.1人机协同的基本理念与目标

4.4.2认知增强的技术手段

4.4.3信息流与任务分配

4.5本章小结

4.6习题

第5章人工智能感知技术

5.1计算机视觉与图像识别原理

5.1.1计算机视觉概述

5.1.2图像处理基础

5.1.3图像分类任务

5.1.4图像检测任务

5.2语音交互系统的技术架构

5.2.1语音交互概述

5.2.2语音识别技术

5.2.3语音合成技术

5.2.4语音对话系统

5.2.5语音交互系统的优化与挑战

5.3自然语言处理核心算法

5.3.1自然语言处理概述

5.3.2自然语言处理如何理解语言

5.4多模态信息融合技术

5.4.1多模态信息融合概述

5.4.2模态间的关联与对齐

5.4.3深度学习在多模态融合中的应用

5.4.4多模态信息融合的算法与框架

5.4.5多模态系统的挑战

5.5本章小结

5.6习题

第6章大模型技术介绍

6.1模型参数规模与智能表现关联性

6.1.1大模型的定义及发展趋势

6.1.2参数规模对模型性能的影响

6.1.3计算能力与数据需求

6.1.4参数扩展与泛化能力

6.2预训练知识表征机制

6.2.1预训练模型的概念

6.2.2知识迁移与表征学习

6.2.3主要的预训练方法

6.2.4预训练模型与多任务学习

6.3Token化处理机制

6.3.1Token的定义和重要性

6.3.2上下文窗口与Token限制

6.3.3Token效率与模型性能的关系

6.4提示语设计的交互策略

6.4.1提示语的基本概念

6.4.2提示语的重要性

6.4.3不同任务的提示语策略

6.5开源模型与专有模型的发展路径

6.5.1开源模型概述

6.5.2专有模型的优势与挑战

6.5.3发展趋势和前景

6.6本章小结

6.7习题

第7章人工智能技术的应用场景

7.1推荐系统算法解析

7.1.1推荐系统的基本概念

7.1.2人工智能在推荐系统中的应用

7.1.3最新的发展与趋势

7.2自动驾驶决策系统的原理

7.2.1自动驾驶的核心技术

7.2.2决策算法的演进

7.2.3最新发展与趋势

7.3医疗诊断辅助系统简介

7.3.1诊断辅助系统的核心技术

7.3.2最新技术与发展

7.3.3面临的风险及挑战

7.4本章小结

7.5习题

第8章人工智能对社会的影响

8.1技术革新与职业结构变迁

8.2数字内容真实性验证技术

8.3人工智能伦理框架构建

8.4技术依赖与自主性丧失

8.5本章小结

8.6习题

实践篇

第9章本地部署DeepSeek

9.1背景

9.1.1DeepSeek大模型简介

9.1.2本地部署DeepSeek的优点

9.2任务目标

9.3操作流程与实现

9.3.1使用网页版DeepSeek

9.3.2本地部署DeepSeek

9.3.3可视化DeepSeek

9.4实例

9.5本章小结

9.6实践题

第10章DeepSeek辅助Word处理文字

10.1背景

10.1.1Word应用的重要性

10.1.2DeepSeek接入Word的优势

10.2任务目标

10.3操作流程与实现

10.3.1开通DeepSeek的网页版API

10.3.2将在线DeepSeek部署到Word

10.3.3将本地DeepSeek部署到Word

10.4实例

10.5本章小结

10.6实践题

第11章DeepSeek辅助Excel处理数据

11.1背景

11.1.1Excel的重要性

11.1.2DeepSeek接入Excel的优势

11.2任务目标

11.3操作流程与实现

11.3.1配置Excel的基本内容

11.3.2数据分析助手

11.3.3数据格式修改助手

11.4实例

11.5本章小结

11.6实践题

第12章DeepSeek+X实现自动化制作PPT

12.1背景

12.1.1PPT应用的重要性

12.1.2PPT制作的难点

12.1.3直接使用PPT生成工具的缺点

12.2任务目标

12.3操作流程与实现

12.3.1使用DeepSeek生成PPT大纲

12.3.2使用DeepSeek+Kimi生成PPT

12.3.3使用DeepSeek+通义千问生成PPT

12.4生成PPT方案总结

12.5本章小结

12.6实践题

第13章生成个性化的图片

13.1背景

13.1.1图片在信息传达中的重要性

13.1.2生成高质量图片的挑战

13.2任务目标

13.3操作流程与实现

13.3.1生成图片

13.3.2编辑图片

13.3.3精准生成图片

13.4本章小结

13.5实践题

第14章生成定制视频

14.1背景

14.1.1视频制作的重要性

14.1.2制作视频的难点

14.2任务目标

14.3操作流程与实现

14.3.1使用文字生成视频

14.3.2使用图片生成视频

14.3.3精准生成视频

14.4本章小结

14.5实践题

第15章搭建个人的AI智能体辅助学习

15.1背景

15.1.1大模型时代中智能体的重要性

15.1.2通用大模型的不足

15.1.3个人AI智能体的优点

15.2任务目标

15.3操作流程与实现

15.3.1使用预先配置好的个性化AI智能体

15.3.2配置私人的个性化智能体

15.4本章小结

15.5实践题

第16章在本地部署多模态大模型

16.1背景

16.1.1本地部署多模态大模型的优势

16.1.2QWenVL模型介绍

16.2任务目标

16.3操作步骤

16.3.1下载QWenVL代码

16.3.2配置Python的基础环境

16.3.3配置项目环境

16.3.4运行项目代码

16.4本章小结

16.5实践题

附录APython编程基础

A.1Python 简介

A.1.1Python是什么

A.1.2Python的安装

A.1.3初试Python

A.2基本元素

A.2.1四则运算

A.2.2数值类型

A.2.3变量

A.2.4运算符

A.2.5字符串

A.2.6Tuple、List与Dict

A.3控制语句

A.3.1执行结构

A.3.2控制语句

A.4面向对象编程

A.4.1面向对象简介

A.4.2类

A.4.3对象

A.4.4类和对象的关系

A.4.5面向过程还是对象

参考文献