本书以智能技术演进为主线，构建从传统人工智能、现代数据智能到前沿生成智能的完整知识体系。首先阐释搜索智能、知识智能的简明原理，再聚焦机器学习、深度学习建模方法，以及计算机视觉、自然语言处理、时序数据分析等经典应用技术，最后介绍人工智能生成内容、大语言模型（LLM）、检索增强生成（RAG）、智能体（Agent）等前沿应用方向。 全书以理解智能原理和应用实践为目标，采用案例驱动方式，并借助大语言模型赋能编写思路，通过行业鲜活案例全流程剖析建模逻辑，以Python语言简化算法理解，将大语言模型作为辅助开发工具贯穿全书，形成从原理、技术到应用的闭环知识结构。配套有自研零代码工具Mr.AI，提供丰富的实践题目和数据集，帮助读者轻松入门，构建AI思维，掌握核心技术，进而实现领域应用落地。 本书提供丰富的教学资源，可登录华信教育资源网免费获取电子课件、教学案例、部分例题源代码及数据集等资源，也可扫描书中的二维码获取相关资源。 本书通俗易懂、实例鲜活、技术先进、实操性强，既适合作为高等院校非计算机专业本科及研究生人工智能通识课程、“AI十”跨学科能力培养教材，也可供初学者自学或职场人士AI应用开发实践参考。刘晓强博士、教授，长期从事智能信息系统、知识管理、软件设计与评测的教学和研究工作，主持完成多项系统研发，担任上海市计算机基础教育协会副理事长，有丰富的项目开发和教学经验获得多项科研和教学奖励。第1章 ?人工智能概述?1?1.1 ?人工智能发展历程?1?1.1.1 ?人工智能的诞生?1?1.1.2 ?人工智能的定义?3?1.1.3 ?人工智能的发展历程?3?1.1.4 ?人工智能的三要素?6?1.2 ?大语言模型及其应用?8?1.2.1 ?大语言模型概述?8?1.2.2 ?大语言模型提示工程?10?1.2.3 ?大语言模型辅助学习?13?1.3 ?人工智能伦理素养?15?1.3.1 ?人工智能伦理风险?15?1.3.2 ?人工智能伦理问题对策?16?实验与思考?18?第2章 ?搜索智能?19?2.1 ?搜索算法?19?2.1.1 ?盲目搜索?19?2.1.2 ?启发式搜索?20?2.1.3 ?对抗搜索?23?2.1.4 ?蒙特卡洛树搜索算法?27?2.2 ?遗传算法?31?2.2.1 ?遗传算法原理?31?2.2.2 ?遗传算法应用?35?实验与思考?39?第3章 ?知识智能?41?3.1 ?知识表示方法?41?3.1.1 ?知识概述?41?3.1.2 ?语义网络?42?3.2 ?知识图谱及应用?43?3.2.1 ?认识知识图谱?43?3.2.2 ?知识图谱构建?44?3.2.3 ?知识计算?46?3.2.4 ?知识图谱应用?47?实验与思考?48?第4章 ?数据智能?50?4.1 ?机器学习概述?50?4.1.1 ?机器学习建模流程?50?4.1.2 ?机器学习任务类型?51?4.2 ?结构化数据建模任务?54?4.2.1 ?用线性回归实现数值预测?54?4.2.2 ?用逻辑回归实现分类?70?4.2.3 ?用K_means算法实现聚类?84?实验与思考?92?第5章 ?机器学习常用算法与集成学习?95?5.1 ?机器学习常用算法?95?5.1.1 ?K近邻算法?95?5.1.2 ?支持向量机?98?5.1.3 ?决策树?99?5.1.4 ?集成学习?110?5.2 ?人工神经网络?116?5.2.1 ?人工神经网络原理概述?116?5.2.2 ?神经网络建模实现?126?5.2.3 ?神经网络建模优化?131?5.3 ?模型可解释性分析?135?实验与思考?138?第6章 ?计算机视觉?140?6.1 ?视觉智能基础?140?6.1.1 ?图像的数字化表示?140?6.1.2 ?计算机视觉任务场景?141?6.1.3 ?用神经网络进行图像分类?143?6.2 ?深度学习用于计算机视觉?146?6.2.1 ?卷积神经网络?146?6.2.2 ?用CNN实现图像分类?150?6.2.3 ?预训练模型及其应用?159?实验与思考?172?第7章 ?自然语言处理?174?7.1 ?文本处理基础?174?7.1.1 ?文本数据的表示方法?174?7.1.2 ?自然语言处理任务场景?177?7.1.3 ?文本情感分析案例?178?7.2 ?深度学习用于文本分析?182?7.2.1 ?循环神经网络?182?7.2.2 ?RNN实现文本分析?184?7.2.3 ?复杂神经网络结构实现?186?实验与思考?191?第8章 ?时序数据分析?193?8.1 ?时序数据预测?193?8.1.1 ?时序数据概述?193?8.1.2 ?时序数据预测案例?194?8.2 ?音频处理?199?8.2.1 ?音频数据及常见任务?199?8.2.2 ?音频特征提取与建模?200?8.2.3 ?语音识别方法?203?实验与思考?204?第9章 ?人工智能生成内容?206?9.1 ?文本生成?206?9.1.1 ?用RNN进行古诗创作?206?9.1.2 ?用Seq2Seq模型实现自动翻译?208?9.1.3 ?大语言模型的架构?209?9.2 ?图像生成?212?9.2.1 ?图像生成概述?212?9.2.2 ?Diffusion生成?214?实验与思考?217?第10章 ?人工智能应用集成开发?218?10.1 ?人工智能应用集成开发概述?218?10.1.1 ?智能API服务集成?218?10.1.2 ?大语言模型API服务?223?10.1.3 ?基于Web发布AI应用?226?10.2 ?大语言模型部署和微调?231?10.2.1 ?大语言模型本地部署?231?10.2.2 ?大语言模型微调?233?10.3 ?大语言模型应用开发?237?10.3.1 ?检索增强生成?237?10.3.2 ?智能体?240?实验与思考?246?附录A ?Mr.AI零代码人工智能实验平台?247?附录B ?VS Code集成开发环境?252?参考文献?258