目录

第1章Python大模型编程

1.1上手Chatbot： 通过火山引擎访问DeepSeek R1大模型

1.1.1背景介绍

1.1.2火山引擎模型服务介绍

1.1.3DeepSeek R1模型开通流程

1.1.4API配置

1.1.5开发示例

1.2用DeepSeek和Streamlit实现Chatbot

1.2.1项目介绍

1.2.2环境准备

1.2.3代码实现

1.2.4代码解析

1.2.5关键特性

1.2.6运行应用

1.2.7总结

1.3增强版Chatbot： 会话管理与上下文管理

1.3.1功能概述

1.3.2技术实现

1.3.3代码实现

1.3.4功能特点

1.3.5使用场景

1.3.6未来优化方向

1.3.7总结

1.4DeepSeek大模型对话中的知识库

1.4.1知识库的作用

1.4.2实现思路

1.4.3代码实现

1.4.4运行方式

1.4.5知识库的处理方式

1.4.6上下文管理与知识库的协同

第2章计算机视觉

2.1Python调用智谱GLM4VFlash多模态大模型进行生物识别

2.1.1简介

2.1.2核心优势

2.1.3应用场景

2.1.4技术实现

2.1.5示例

2.2Python实现人脸检测

2.2.1计算机视觉的重要价值

2.2.2核心库介绍

2.2.3项目原理和代码解析

2.2.4完整源代码

2.2.5项目总结

2.3基于face_recognition和Streamlit的人脸识别系统

2.3.1系统概述

2.3.2核心功能

2.3.3技术实现

2.3.4系统特点

2.3.5使用说明

2.3.6注意事项

2.3.7完整源代码

2.3.8代码说明

2.4极简卷积神经网络CNN识别手写数字

2.4.1引言

2.4.2卷积神经网络基础

2.4.3我们的SimpleCNN模型

2.4.4代码实现详解

2.4.5运行结果

2.4.6如何改进模型

2.4.7模型总结

2.4.8总结

第3章数据分析与可视化

3.1Python数据分析与可视化入门

3.1.1Python用于数据分析的背景

3.1.2数据处理和分析工具

3.1.3数据可视化

3.1.4机器学习和深度学习

3.1.5Python在数据分析和可视化中的优势

3.2桑基图

3.2.1介绍

3.2.2示例数据

3.2.3绘制柱状图和桑基图

3.2.4Plotly.graph_objects模块

3.3随机森林算法实现乳腺癌良恶性分类

3.3.1引言

3.3.2随机森林算法基础

3.3.3乳腺癌数据集

3.3.4代码实现详解

3.3.5如何执行代码

3.3.6运行结果

3.3.7总结

第4章用Coze开发智能体

4.1通过AI创建智能体“Python编程助手”

4.1.1创建智能体

4.1.2编排智能体

4.1.3预览与调试

4.1.4发布智能体

4.2详解Coze智能体

4.2.1Coze平台是什么

4.2.2Coze平台能用来做什么

4.2.3Coze平台提供了哪些基础能力

4.3创建DeepSeek R1工作流

4.3.1工作流与对话流

4.3.2搭建工作流

4.3.3配置节点的输入和输出

4.3.4配置大模型节点

4.3.5工作流试运行

4.3.6格式排版

4.4Coze智能体访问DeepSeek工作流

4.4.1搭建DeepSeek智能体

4.4.2添加DeepSeek工作流

4.4.3调试智能体

第5章大模型应用

5.1制药类人工智能通识理论

5.1.1药物研发的基本过程

5.1.2AI助力药物发现

5.1.3AI在临床前的应用

5.1.4AI驱动药物“智造”

5.2RPA应用与开发

5.2.1任务简介

5.2.2RPA认知

5.2.3财务机器人的开发工具

5.2.4商品搜索机器人开发

5.2.5景点搜索机器人开发

5.2.6股票实时价格采集机器人开发

5.2.7发票查验机器人开发

5.3让文物“活起来”——AI赋能文化遗产

5.3.1方案背景

5.3.2任务介绍

5.3.3总体操作流程

5.3.4分步

5.3.5方案报告要求

5.3.6总结与展望

5.4洞鉴未来——AI面试全流程

5.4.1方案背景

5.4.2总体方案流程

5.4.3分步指导

5.4.4报告要求

5.4.5总结与展望

5.5AI赋能“智膳未来”公司经营

5.5.1应用背景

5.5.2AI辅助公司运营的应用场景

5.6锅炉燃烧高效低排放运行参数优化

5.6.1案例目标

5.6.2模型简介与选择

5.6.3数据集介绍

5.6.4参数优化步骤

5.6.5总结与展望

5.7基于大语言模型的“零代码”制药数据分析与预测

5.7.1案例背景

5.7.2案例目标

5.7.3案例内容与步骤

5.7.4案例评估

5.7.5注意事项

第6章算法应用案例

6.1基于Chatbot的鸢尾花分类

6.2新能源光伏发电出力数据集AI预测算法

6.2.1案例内容简介

6.2.2基于BP神经网络实现鸢尾花数据分类

6.2.3基于多层感知器实现光伏电厂功率数据集分类

6.3基于神经网络的AI数据分类算法

6.3.1本节内容

6.3.2鸢尾花数据分类算法编写

6.3.3MNIST手写体数字识别分类算法编写

6.3.4Sequential模型手写数字识别算法编写

6.4基于YOLOv3的目标检测

6.4.1背景

6.4.2任务介绍

6.4.3总体实验流程

6.4.4分步指导

6.5基于神经网络的AI数据分类算法案例

6.5.1案例题目

6.5.2内容简介

6.5.3案例基本信息

6.5.4材料多孔结构数据分类算法编写运行

6.6基于AI大模型的环保数据可视化

6.6.1数据的获取

6.6.2数据的处理

6.6.3利用R程序进行数据可视化 

6.7基于智谱清言预测波士顿房价数据集

6.7.1平台选择

6.7.2实验步骤

6.8基于蛋白质突变数据集的综合分析

6.8.1背景及前沿

6.8.2研究目的

6.8.3材料与工具

6.8.4具体步骤

6.8.5预期模型结果

6.8.6注意事项