----------------------- Page 1-----------------------
第1章 绪论 …………………………………………………………………………1
1.1 人工智能发展历史 ……………………………………………………………2
1.1.1 人工智能的起源 …………………………………………………………2
1.1.2 人工智能的发展历程 ……………………………………………………3
1.2 人工智能驱动的商业全景 ……………………………………………………9
1.2.1 人工智能在商业领域的广泛应用以及新兴商业模式…………………10
1.2.2 人工智能的商业价值:机遇与挑战……………………………………11
1.3 人工智能在商业数据分析中的应用…………………………………………12
1.3.1 人工智能在金融与会计领域的应用……………………………………12
1.3.2 人工智能在营销、广告和客户关系管理中的应用……………………17
1.3.3 人工智能在人力资源管理中的应用……………………………………20
1.3.4 人工智能在生产运营管理中的应用……………………………………27
1.4 本章小结………………………………………………………………………33
1.5 复习思考题……………………………………………………………………34
1.6 即测即练………………………………………………………………………34
第2章 神经网络与深度学习……………………………………………………35
2.1 神经网络模型…………………………………………………………………36
2.1.1 神经网络模型基础………………………………………………………37
2.1.2 激活函数…………………………………………………………………41
2.1.3 神经网络模型的训练……………………………………………………42
2.2 深度神经网络…………………………………………………………………45
2.2.1 深度神经网络基础………………………………………………………46
Ⅲ
----------------------- Page 2-----------------------
2.2.2 卷积神经网络……………………………………………………………46
2.2.3 循环神经网络……………………………………………………………65
2.2.4 深度神经网络的训练……………………………………………………84
2.3 深度强化学习…………………………………………………………………85
2.3.1 强化学习的概念…………………………………………………………85
2.3.2 深度强化学习的学习原理………………………………………………87
2.3.3 深度强化学习分类………………………………………………………88
2.4 本章小结 ……………………………………………………………………106
2.5 复习思考题 …………………………………………………………………106
2.6 即测即练 ……………………………………………………………………107
第3章 多模态数据的表征与融合方法………………………………………108
3.1 多模态数据基础概念 ………………………………………………………109
3.1.1 模态 ……………………………………………………………………109
3.1.2 多模态 …………………………………………………………………111
3.1.3 多模态学习 ……………………………………………………………112
3.2 多模态数据特征及特征表示方法 …………………………………………114
3.2.1 图像数据特征及特征表示方法 ………………………………………115
3.2.2 文本数据特征及特征表示方法 ………………………………………120
3.2.3 音频数据特征及特征表示方法 ………………………………………126
3.2.4 视频数据特征及特征表示方法 ………………………………………128
3.2.5 代码示例 ………………………………………………………………129
3.3 多模态数据融合方法 ………………………………………………………134
3.3.1 早期融合方法 …………………………………………………………134
3.3.2 晚期融合方法 …………………………………………………………136
3.3.3 混合融合方法 …………………………………………………………138
3.3.4 代码示例 ………………………………………………………………139
3.4 本章小结 ……………………………………………………………………143
3.5 复习思考题 …………………………………………………………………143
3.6 即测即练 ……………………………………………………………………143
Ⅳ
----------------------- Page 3-----------------------
第4章 大语言模型………………………………………………………………144
4.1 大语言模型基础知识 ………………………………………………………145
4.1.1 大语言模型架构 ………………………………………………………145
4.1.2 生成式预训练语言模型GPT …………………………………………158
4.1.3 大语言模型发展 ………………………………………………………164
4.2 大语言模型微调 ……………………………………………………………166
4.2.1 微调与预训练 …………………………………………………………166
4.2.2 微调的过程及核心原理 ………………………………………………166
4.2.3 全参数微调 ……………………………………………………………167
4.2.4 高效参数微调 …………………………………………………………169
4.3 大语言模型的商业应用 ……………………………………………………175
4.3.1 多模态数据分析 ………………………………………………………175
4.3.2 思维链提示 ……………………………………………………………177
4.3.3 Agent……………………………………………………………………180
4.4 本章小结 ……………………………………………………………………181
4.5 复习思考题 …………………………………………………………………181
4.6 即测即练 ……………………………………………………………………181
第5章 模型评估和可解释性 …………………………………………………182
5.1 模型局限性 …………………………………………………………………183
5.1.1 模型总误差、偏差和方差 ……………………………………………183
5.1.2 过拟合和欠拟合 ………………………………………………………184
5.1.3 大模型的错误和偏见 …………………………………………………186
5.2 模型评估指标 ………………………………………………………………189
5.2.1 商业决策问题分类 ……………………………………………………189
5.2.2 面向决策问题的模型评估指标 ………………………………………190
5.2.3 代码展示 ………………………………………………………………193
5.3 模型可解释性 ………………………………………………………………199
5.3.1 模型可解释性的含义 …………………………………………………199
5.3.2 模型可解释性的分类 …………………………………………………199
5.3.3 模型可解释性方法 ……………………………………………………202
Ⅴ
----------------------- Page 4-----------------------
5.3.4 模型简化方法 …………………………………………………………205
5.3.5 代码演示 ………………………………………………………………207
5.4 本章小结 ……………………………………………………………………215
5.5 复习思考题 …………………………………………………………………215
5.6 即测即练 ……………………………………………………………………215
第6章 基于大语言模型的商业数据分析案例 ……………………………216
6.1 案例1:使用大语言模型预测股票价格 …………………………………216
6.1.1 案例背景 ………………………………………………………………216
6.1.2 数据收集与准备 ………………………………………………………217
6.1.3 大语言模型情绪分类 …………………………………………………219
6.1.4 构建情绪特征 …………………………………………………………221
6.1.5 构造技术指标特征 ……………………………………………………222
6.1.6 将情绪特征与技术指标特征结合用于股票价格预测 ………………224
6.1.7 案例总结 ………………………………………………………………227
6.2 案例2:电商平台客户评论的多模态话题分析 …………………………228
6.2.1 案例背景 ………………………………………………………………228
6.2.2 数据收集与准备 ………………………………………………………228
6.2.3 主体建模与大模型命名 ………………………………………………229
6.2.4 多标签话题识别与情绪判定 …………………………………………231
6.2.5 聚类、摘要与可视化输出 ……………………………………………232
6.2.6 多模态一致性分析与图文冲突识别 …………………………………233
6.2.7 案例总结 ………………………………………………………………235
6.3 案例3:社交媒体平台的内容推荐 ………………………………………236
6.3.1 案例背景 ………………………………………………………………236
6.3.2 数据设计与预处理 ……………………………………………………236
6.3.3 模型结构 ………………………………………………………………237
6.3.4 模型微调 ………………………………………………………………238
6.3.5 案例总结 ………………………………………………………………240
6.4 本章小结 ……………………………………………………………………240
参考文献 ………………………………………………………………………………241
Ⅵ
