目录

第1章人工智能基础1

1.1人工智能发展史1

1.1.1人工智能的发展历程1

1.1.2人工智能的主要学派4

1.2人工智能的定义5

1.3人工智能的分类7

1.3.1按智能水平分类7

1.3.2按学习模式分类8

1.3.3按技术实现分类8

1.4人工智能系统的组成9

1.4.1人工智能系统架构9

1.4.2人工智能系统基础11

1.4.3人工智能数据基础15

1.5人工智能应用开发基础28

1.5.1Python入门28

1.5.2人工智能算法库39

1.6人工智能伦理与安全40

1.6.1人工智能伦理的内涵40

1.6.2人工智能伦理的典型案例40

1.6.3人工智能伦理的核心原则41

1.6.4人工智能伦理的治理措施43

本章小结45

习题一45

第2章机器学习47

2.1机器学习的概念47

2.1.1机器学习发展史47

2.1.2机器学习的定义48

2.1.3机器学习的分类49

2.1.4机器学习与人工智能51

2.2线性回归52

2.2.1线性回归的概念52

2.2.2线性回归的类型53

2.2.3线性回归模型56

2.2.4线性回归的应用58

2.3逻辑回归59

2.3.1逻辑回归的概念59

2.3.2逻辑回归的类型60

2.3.3逻辑回归模型62

2.3.4逻辑回归的应用64

2.4梯度下降65

2.4.1梯度下降的概念66

2.4.2梯度下降的类型66

2.4.3梯度下降算法68

2.4.4梯度下降的应用70

2.5决策树71

2.5.1决策树的概念71

2.5.2决策树的类型72

2.5.3信息熵与信息增益73

2.5.4决策树的构造75

2.5.5决策树的应用79

2.6K均值聚类80

2.6.1K均值聚类的概念81

2.6.2K均值聚类的类型82

2.6.3K均值聚类算法83

2.6.4K均值聚类的应用85

2.7机器学习算法库85

2.7.1Scikitlearn概述85

2.7.2Scikitlearn的安装86

2.7.3Scikitlearn的开发流程86

本章小结90

习题二91

第3章深度学习93

3.1深度学习的概念93

3.1.1深度学习发展史93

3.1.2深度学习的定义95

3.1.3深度学习的分类97

3.1.4深度学习与机器学习99

3.2人工神经网络101

3.2.1神经元与神经网络101

3.2.2感知机103

3.2.3BP算法106

3.3卷积神经网络115

3.3.1卷积神经网络的概念116

3.3.2卷积神经网络的结构117

3.3.3卷积神经网络的训练过程118

3.3.4卷积神经网络的应用121

3.4循环神经网络123

3.4.1循环神经网络的概念123

3.4.2循环神经网络的结构124

3.4.3循环神经网络的训练过程126

3.4.4长短期记忆神经网络129

3.4.5循环神经网络的应用132

3.5生成对抗网络135

3.5.1生成对抗网络的概念135

3.5.2生成对抗网络的结构136

3.5.3生成对抗网络的训练136

3.5.4生成对抗网络的应用137

3.6深度学习框架139

3.6.1PyTorch概述140

3.6.2PyTorch的安装140

3.6.3PyTorch的开发流程141

本章小结143

习题三144

第4章大模型技术147

4.1大模型技术概述147

4.1.1大模型的发展史147

4.1.2大模型的定义149

4.1.3大模型的分类150

4.1.4大模型与深度学习151

4.2Transformer架构152

4.2.1Transformer的概念152

4.2.2Transformer的结构153

4.2.3注意力机制154

4.2.4Transformer的流程155

4.2.5Transformer的改进158

4.3预训练模型159

4.3.1预训练模型的概念159

4.3.2预训练模型的方法159

4.3.3预训练的工作过程160

4.3.4预训练模型的应用161

4.4模型微调162

4.4.1模型微调的概念162

4.4.2模型微调的方法163

4.4.3模型微调的工作流程164

4.4.4模型微调的实施步骤164

4.4.5模型微调的应用165

4.5对齐优化168

4.5.1反馈168

4.5.2奖励模型169

4.5.3基于人类反馈的强化学习170

4.5.4RLHF的应用场景170

4.6智能体172

4.6.1智能体的概念172

4.6.2智能体的分类174

4.6.3智能体的结构175

4.6.4智能体的应用177

本章小结178

习题四179

第5章智算中心181

5.1智算中心概述181

5.1.1算力的概念181

5.1.2智算中心的定义183

5.1.3智算中心的功能184

5.1.4智算中心服务分类185

5.1.5智算中心与数据中心、超算中心186

5.2智算中心的功能架构186

5.2.1智算基础设施187

5.2.2智算基础平台188

5.2.3智算服务平台189

5.2.4统一监控运营平台190

5.3智算中心的关键技术191

5.3.1多元算力191

5.3.2极致存储194

5.3.3无损网络197

5.3.4智算调度平台199

5.4智算中心的应用场景199

5.4.1金融行业200

5.4.2制造行业200

5.4.3智能交通201

5.4.4健康医疗201

5.4.5教育领域201

5.4.6元宇宙与数字孪生202

5.5案例: 高校智算平台202

5.5.1方案简介203

5.5.2案例实施效果204

本章小结205

习题五205

第6章智算操作系统207

6.1智算操作系统概述207

6.1.1智算操作系统的概念207

6.1.2智算操作系统的架构208

6.1.3智算操作系统的核心功能210

6.1.4智算操作系统的典型应用212

6.2硬件基础设施214

6.2.1软件定义算力214

6.2.2计算资源215

6.2.3存储资源216

6.2.4网络资源217

6.3资源管理与调度218

6.3.1计算资源管理218

6.3.2资源调度策略218

6.3.3动态资源分配219

6.3.4任务管理219

6.3.5自动化运维管理220

6.4大模型与智能体223

6.4.1大模型服务223

6.4.2智能体服务224

6.5用户接口与工具226

6.5.1开发工具226

6.5.2命令行接口227

6.5.3插件227

6.6安全与隔离机制228

6.6.1防护: 构建多层级主动防御体系229

6.6.2隔离: 实现资源与数据的逻辑/物理分离229

6.6.3审计: 构建全链路可追溯体系229

6.6.4恢复: 建立快速故障修复与业务连续性保障230

本章小结230

习题六231

第7章人工智能前沿技术234

7.1通用人工智能234

7.1.1通用人工智能的概念234

7.1.2通用人工智能的关键技术235

7.1.3通用人工智能的应用236

7.2边缘人工智能237

7.2.1边缘人工智能的概念237

7.2.2边缘人工智能的关键技术238

7.2.3边缘人工智能的应用240

7.3具身智能241

7.3.1具身智能的概念241

7.3.2具身智能的关键技术242

7.3.3具身智能的应用243

7.4世界模型244

7.4.1世界模型的概念245

7.4.2世界模型的关键技术245

7.4.3世界模型的应用247

本章小结249

习题七250

附录A实验指导252

实验1大模型工具使用252

实验2大模型编程助手261

实验3MNIST手写数字识别270

实验4锂电池健康状态预测279

实验5DeepSeek蒸馏版部署292

实验6模型微调技术(医疗健康)300

实验7模型微调技术（自动驾驶）312

附录B平台注册并兑换算力包（操作步骤）320

参考文献321