包邮人工智能导论

第1章 人工智能概述 / 1

1.1　人工智能简介 / 1

1.1.1　引言 / 1

1.1.2　智能的概念 / 2

1.1.3　人工智能的定义 / 3

1.1.4　人工智能的分类 / 3

1.1.5　人工智能的三个核心要素 / 4

1.2　人工智能的起源与发展 /
5

1.2.1　**个发展阶段

（1956—1976） / 5

1.2.2　第二个发展阶段

（1976—2006） / 5

1.2.3　第三个发展阶段

（2006年至今） / 6

1.3　学习人工智能的意义 /
7

1.4　人工智能的主要分支 /
7

1.4.1　机器学习 / 8

1.4.2　神经网络 / 8

1.4.3　机器人技术 / 9

1.4.4　专家系统 / 9

1.4.5　计算机视觉 / 10

1.4.6　自然语言处理 / 10

1.5　小结 /
10

习题 /
11

第2章 人工智能编程基础 /
12

2.1　Python在人工智能编程中的优势 /
12

2.1.1　Python简介 / 12

2.1.2　Python的应用领域 / 13

2.1.3　Python的核心优势 / 13

2.2　Python的安装及环境配置 /
14

2.2.1　Python的下载和安装 / 14

2.2.2　PyCharm的下载和安装 / 17

2.3　Python语言基础 /
19

2.3.1　Python基本语法 / 19

2.3.2　关键字与标识符 / 21

2.3.3　常量与变量 / 23

2.3.4　算术运算符 / 24

2.3.5　比较运算符 / 25

2.4　数据类型与转换 /
26

2.4.1　数值 / 26

2.4.2　字符串 / 26

2.4.3　布尔值 / 29

2.4.4　列表 / 29

2.4.5　元组 / 32

2.4.6　字典 / 33

2.4.7　集合 / 33

2.4.8　类型转换 / 33

2.5　逻辑控制语句 /
34

2.5.1　条件分支语句 / 34

2.5.2　循环语句 / 35

2.5.3　break语句和continue语句 / 36

2.6　函数 /
37

2.6.1　定义和使用函数 / 37

2.6.2　变量的作用域 / 39

2.7　模块与库的使用 /
40

2.7.1　自定义模块 / 40

2.7.2　标准库的模块 / 41

2.8　面向对象编程基础 /
41

2.8.1　基本概念 / 41

2.8.2　类的定义和对象创建 / 41

2.8.3　继承 / 42

2.8.4　多态 / 43

2.9　案例：创建“画廊”系统 /
43

2.10　小结 /
45

习题 /
46

第3章 数据处理与可视化 /
47

3.1　NumPy——科学计算工具 /
47

3.1.1　NumPy概述 / 47

3.1.2　NumPy数组运算 / 48

3.2　Pandas——数据分析工具 /
54

3.2.1　Pandas概述 / 54

3.2.2　Pandas基础 / 55

3.2.3　Pandas数据预处理 / 60

3.3　Matplotlib——数据可视化工具 /
63

3.3.1　Matplotlib概述 / 63

3.3.2　Matplotlib绘图 / 65

3.4　案例：抽象艺术数据可视化 /
67

3.5　小结 /
70

习题 /
70

第4章 机器学习基础 /
71

4.1　机器学习概述 /
71

4.1.1 机器学习的定义 / 72

4.1.2 机器学习的基本原理 / 72

4.1.3　机器学习的主要术语 / 73

4.1.4　机器学习的算法分类 / 73

4.1.5　机器学习的主要应用领域 / 74

4.2　监督学习与无监督学习 /
74

4.2.1　监督学习 / 74

4.2.2　无监督学习 / 75

4.3　scikit-learn机器学习库 /
76

4.3.1　scikit-learn概述 / 76

4.3.2　scikit-learn机器学习工作

流程 / 77

4.4　线性回归 /
78

4.4.1　线性回归概述 / 78

4.4.2　线性回归算法基本原理 / 78

4.4.3　线性回归算法应用 / 79

4.5　分类 /
82

4.5.1　分类概述 / 82

4.5.2　分类的工作流程 / 83

4.5.3　逻辑回归算法 / 83

4.5.4　逻辑回归的实现 / 84

4.6　
案例：一元线性回归模型的实现与可
视化 /
86

4.7　小结 /
87

习题 /
87

第5章 人工神经网络与深度学习基础 /
88

5.1　人工神经网络概述 /
88

5.1.1　感知机 / 89

5.1.2　从感知机到神经网络 / 90

5.1.3　常用激活函数 / 91

5.2　深度学习简介 /
92

5.2.1　深度学习的概念 / 92

5.2.2　深度学习与传统机器学习 / 92

5.3　主流深度学习框架介绍 /
93

5.4　人工神经网络的训练 /
94

5.5　卷积神经网络 /
95

5.5.1　卷积神经网络简介 / 95

5.5.2　卷积神经网络的结构 / 95

5.5.3　卷积计算 / 96

5.6　循环神经网络 /
99

5.7　
案例：使用Keras实现CNN手写数字
识别 /
99

5.8　小结 /
101

习题 /
101

第6章 生成式人工智能与艺术设计 /
102

6.1　生成式人工智能概述 /
102

6.2　生成式人工智能技术原理 /
103

6.2.1　深度学习模型 / 103

6.2.2　生成对抗网络 / 103

6.2.3　自然语言处理 / 103

6.2.4　扩散模型 / 104

6.2.5　预训练与微调 / 104

6.2.6　多模态生成 / 104

6.3　生成式人工智能平台与工具 /
105

6.3.1　文本生成平台 / 105

6.3.2　图像生成平台 / 106

6.3.3　音频生成平台 / 107

6.3.4　视频生成平台 / 107

6.4　生成式人工智能赋能艺术设计 /
108

6.4.1　游戏设计 / 109

6.4.2　装扮设计 / 109

6.4.3　首饰设计 / 109

6.4.4　绘画 / 110

6.4.5　摄影 / 110

6.4.6　服装设计 / 110

6.4.7　电影制作 / 111

6.4.8　建筑设计 / 111

6.5　小结 /
112

习题 /
112

第7章 人工智能绘画技术及其工具 /
113

7.1　人工智能绘画概述 /
113

7.1.1　认识人工智能绘画 / 114

7.1.2　人工智能绘画的发展过程 / 114

7.2　Stable
Diffusion基础 /
115

7.2.1　 Stable
Diffusion软件介绍 / 115

7.2.2　Stable
Diffusion界面介绍 / 115

7.2.3　Stable
Diffusion模型类型

介绍 / 117

7.3　文生图 /
117

7.3.1　提示词书写方法 / 117

7.3.2　生成参数调整 / 121

7.4　图生图 /
126

7.4.1　图生图的常用功能 / 126

7.4.2　图像局部修改 / 128

7.5　ControlNet插件的使用 /
133

7.5.1　ControlNet安装方式 / 133

7.5.2　ControlNet界面和参数 / 133

7.5.3　ControlNet模型的使用 / 136

7.6　LoRA模型的使用 /
142

7.6.1　LoRA模型及其安装方法 / 142

7.6.2　LoRA模型的使用方法 / 144

7.7　案例：生成AI未来城市海报 /
145

7.8　小结 /
149

习题 /
149

第8章
人工智能音乐和视频创作技术及其
工具 /
150

8.1　人工智能音乐概述 /
150

8.1.1　认识人工智能音乐 / 150

8.1.2　常用人工智能音乐大模型

简介 / 151

8.2　人工智能音乐基本乐理知识 /
153

8.2.1　作曲 / 153

8.2.2　作词 / 155

8.3　“网易天音”操作教程 /
155

8.3.1　人工智能写歌 / 155

8.3.2　人工智能编曲 / 163

8.3.3　人工智能作词 / 165

8.4　Suno
AI操作教程 /
168

8.4.1　使用Suno AI英文版 / 168

8.4.2　使用Suno AI音乐中文站 / 173

8.4.3　使用天工开物DesignXAI平台的

AI音频工具 / 175

8.5　
案例：使用“网易天音”

创作歌曲 /
178

8.6　人工智能视频基本知识 /
181

8.6.1　视频技术基本概述 / 181

8.6.2　常用AIGC视频生成工具 / 183

8.6.3　Prompt文字指令的输入 / 189

8.7　
案例：使用即梦AI生成图片和

视频 /
190

8.7.1　登录即梦AI创作平台 / 191

8.7.2　即梦AI生成图片 / 192

8.7.3　即梦AI生成视频 / 194

8.8　小结 /
202

习题 /
202

参考文献 /
204