人工智能应用实践 —— 产教融合教程
定价：￥35.00
作者： 张静，刘智国，宋万杰等
出版社：高等教育出版社
- 高等教育出版社
- 9787040680997
- 1版
- 16开
内容简介
本书聚焦人工智能应用实践，以产教融合和项目化教学为核心理念，系统介绍生成式人工智能AIGC与智能体技术在真实场景中的应用。全书内容覆盖人工智能基础知识、核心算法、多模态生成技术以及文本、图像、语音等典型应用场景，结合教育、办公、文创、金融、交通、智能制造等行业的实际案例，将理论与实践紧密结合。教材特别强调实践操作与项目驱动，介绍主流AIGC工具的使用方法、提示词工程优化策略以及综合实践项目设计流程，帮助学生在掌握理论的同时，获得工程实践中的技术能力和操作经验。书中通过循序渐进的理论讲解，手绘示意图、流程图和实际界面操作示例，引导学生逐步理解AIGC的原理，掌握智能体的开发方法，并能够在真实项目中应用这些原理和方法。教材不仅注重技术技能的传授，也强调计算思维、创新能力与解决问题能力的培养，鼓励学生将人工智能技术应用于课程作业、科研实践、创新竞赛和职业发展等多种场景。
本书适合作为高等学校本科人工智能通识课程教材，同时也可作为对人工智能应用实践感兴趣的读者的参考用书，为学习者提供完整、系统、可操作的学习方案。
本书适合作为高等学校本科人工智能通识课程教材，同时也可作为对人工智能应用实践感兴趣的读者的参考用书，为学习者提供完整、系统、可操作的学习方案。
目录
目录
前辅文
第1章 人工智能概述
1.1 人工智能的内涵与体系
1.1.1 人工智能的定义与核心特征
1.1.2 人工智能、智能体与AIGC的关系
1.1.3 人工智能的应用价值与边界
1.2 人工智能的发展历程与重要节点
1.3 人工智能主要流派与技术思想
1.4 人工智能学科的定位与产业全景
1.5 人工智能学习的路径与实践方法
1.5.1 人工智能通识课核心学习重点
1.5.2 AIGC与智能体入门路径
1.5.3 理论+项目+实践三位一体学习法
【本章小结】
【习题】
第2章 人工智能核心基础知识
2.1 数据与算法基础
2.1.1 数据类型、特征与预处理
2.1.2 人工智能典型算法思想
2.2 计算机视觉基础
2.2.1 图像数字化与特征提取
2.2.2 经典视觉模型与工作原理
2.2.3 计算机视觉在产业场景中的应用
2.3 自然语言处理基础
2.3.1 词法、句法与语义分析
2.3.2 文本表示与语言模型基础
2.3.3 NLP与AIGC、智能体的融合
2.4 机器学习基本概念
2.4.1 机器学习的定义与分类
2.4.2 监督/无监督学习
2.4.3 机器学习在真实项目中的作用
2.5 深度学习入门
2.5.1 神经网络结构与基本原理
2.5.2 典型深度学习模型简介
2.5.3 深度学习支撑AIGC与智能体的核心逻辑
【本章小结】
【习题】
第3章 人工智能真实应用场景
3.1 智能语音交互场景
3.1.1 语音识别与合成原理
3.1.2 真实场景：助手、客服、转写、车载
3.1.3 语音+智能体融合应用
3.2 计算机视觉与图像识别场景
3.2.1 图像分类、目标检测、图像分割
3.2.2 计算机视觉应用的真实场景
3.2.3 计算机视觉技术在AIGC生成中的应用
3.3 自然语言处理与文本智能场景
3.3.1 机器翻译的发展与真实应用
3.3.2 计算机视觉应用的真实场景
3.3.3 AIGC在文本处理中的产业创新
3.4 推荐系统与个性化服务场景
3.4.1 推荐系统的核心原理
3.4.2 推荐系统应用的真实场景
3.4.3 智能体对推荐系统的优化作用
【本章小结】
【习题】
第4章 人工智能行业应用项目
4.1 人工智能+教育
4.1.1 个性化学习与智能导学系统
4.1.2 AIGC辅助教学：课件、题库、答疑
4.1.3 智能体在教学管理中的应用
4.2 人工智能+医疗健康
4.2.1 医学影像AI辅助诊断项目
4.2.2 智能问诊与慢病管理项目
4.2.3 医疗智能体协同服务实践
4.3 人工智能+金融
4.3.1 智能风控与反欺诈项目
4.3.2 智能投顾与量化辅助项目
4.3.3 AIGC与智能体在金融服务中的应用
4.4 人工智能+交通与自动驾驶
4.4.1 智能导航与交通优化项目
4.4.2 自动驾驶感知与决策项目
4.4.3 智能体在自动驾驶中的核心作用
4.5 人工智能+农业与工业
4.5.1 智慧农业：监测、灌溉、病虫害识别
4.5.2 智能制造：缺陷检测、预测性维护
4.5.3 AIGC与智能体在产业中的创新应用
【本章小结】
【习题】
第5章 AIGC及其开发实践
5.1 AIGC基础概述
5.1.1 AIGC的概念与发展演进
5.1.2 生成模型及其核心原理
5.1.3 AIGC技术的特征
5.2 AIGC多模态生成技术
5.2.1 文本生成技术及其应用
5.2.2 图像生成技术及其应用
5.2.3 多模态融合生成技术
5.3 AIGC行业应用场景
5.3.1 教育领域智能赋能应用
5.3.2 AIGC在办公与文创场景中的应用
5.4 AIGC实操与综合实践
5.4.1 主流AIGC工具的使用方法
5.4.2 提示词工程与内容优化
5.4.3 综合实践项目的设计与实现
【本章小结】
【习题】
第6章 智能体技术及其开发实践
6.1 智能体的基本概念
6.1.1 智能体的定义与基本特征
6.1.2 智能体的结构与分类体系
6.2 智能体开发平台
6.2.1 智能体开发平台的类型与特点
6.2.2 智能体开发平台的核心功能与技术架构
6.3 智能体开发实例
6.3.1 Coze开发平台实操基础
6.3.2 换脸与换装智能体开发实例
6.3.3 虚拟数字人智能体开发实例
【本章小结】
【习题】
第7章 人工智能模型的开发与实践
7.1 基于PaddleX的图像识别技术
7.1.1 PaddleX框架概述与运行环境
7.1.2 图像识别的基本原理与模型结构
7.1.3 PaddleX图像识别项目实操
7.2 基于机器学习的图像分类系统
7.2.1 图像分类技术的基本原理与流程
7.2.2 数据集预处理与模型训练
7.2.3 图像分类系统的搭建与测试
7.3 基于YOLO的视频识别系统
7.3.1 YOLO模型的特点与技术优势
7.3.2 YOLO模型的基本思想
7.3.3 YOLO模型的主要技术优势
7.3.4 YOLOv4 关键技术
7.3.5 视频目标检测工作机制
7.4 视频识别系统的开发与实践
7.4.1 案例项目概述
7.4.2 项目运行环境
7.4.3 数据集与标注
7.4.4 模型训练流程
7.4.5 图片检测实践
7.4.6 视频检测实践
7.4.7 模型评估与系统性能分析
【本章小结】
【习题】
第8章 人工智能伦理、安全与未来发展
8.1 人工智能伦理与行业规范
8.1.1 人工智能伦理的核心原则
8.1.2 AIGC内容合规与伦理边界
8.1.3 智能体应用的伦理规范
8.2 数据安全与隐私保护
8.2.1 数据安全风险与防范
8.2.2 个人隐私与数据合规
8.2.3 AIGC与智能体数据安全要求
8.3 AI偏见、公平性与可信AI
8.3.1 AI偏见的来源与影响
8.3.2 公平性优化的基本方法
8.3.3 建设可信AI的路径
8.4 人工智能产业的发展趋势与技术方向
8.4.1 AIGC的发展及其对产业的赋能
8.4.2 智能体技术的突破与应用前景
8.4.3 人工智能面临的挑战
8.5 人工智能与职业发展
8.5.1 AI对就业结构的影响
8.5.2 面向AI时代的职业能力
8.5.3 产教融合下的人才成长路径
【本章小结】
【习题】
参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的内涵与体系
1.1.1 人工智能的定义与核心特征
1.1.2 人工智能、智能体与AIGC的关系
1.1.3 人工智能的应用价值与边界
1.2 人工智能的发展历程与重要节点
1.3 人工智能主要流派与技术思想
1.4 人工智能学科的定位与产业全景
1.5 人工智能学习的路径与实践方法
1.5.1 人工智能通识课核心学习重点
1.5.2 AIGC与智能体入门路径
1.5.3 理论+项目+实践三位一体学习法
【本章小结】
【习题】
第2章 人工智能核心基础知识
2.1 数据与算法基础
2.1.1 数据类型、特征与预处理
2.1.2 人工智能典型算法思想
2.2 计算机视觉基础
2.2.1 图像数字化与特征提取
2.2.2 经典视觉模型与工作原理
2.2.3 计算机视觉在产业场景中的应用
2.3 自然语言处理基础
2.3.1 词法、句法与语义分析
2.3.2 文本表示与语言模型基础
2.3.3 NLP与AIGC、智能体的融合
2.4 机器学习基本概念
2.4.1 机器学习的定义与分类
2.4.2 监督/无监督学习
2.4.3 机器学习在真实项目中的作用
2.5 深度学习入门
2.5.1 神经网络结构与基本原理
2.5.2 典型深度学习模型简介
2.5.3 深度学习支撑AIGC与智能体的核心逻辑
【本章小结】
【习题】
第3章 人工智能真实应用场景
3.1 智能语音交互场景
3.1.1 语音识别与合成原理
3.1.2 真实场景：助手、客服、转写、车载
3.1.3 语音+智能体融合应用
3.2 计算机视觉与图像识别场景
3.2.1 图像分类、目标检测、图像分割
3.2.2 计算机视觉应用的真实场景
3.2.3 计算机视觉技术在AIGC生成中的应用
3.3 自然语言处理与文本智能场景
3.3.1 机器翻译的发展与真实应用
3.3.2 计算机视觉应用的真实场景
3.3.3 AIGC在文本处理中的产业创新
3.4 推荐系统与个性化服务场景
3.4.1 推荐系统的核心原理
3.4.2 推荐系统应用的真实场景
3.4.3 智能体对推荐系统的优化作用
【本章小结】
【习题】
第4章 人工智能行业应用项目
4.1 人工智能+教育
4.1.1 个性化学习与智能导学系统
4.1.2 AIGC辅助教学：课件、题库、答疑
4.1.3 智能体在教学管理中的应用
4.2 人工智能+医疗健康
4.2.1 医学影像AI辅助诊断项目
4.2.2 智能问诊与慢病管理项目
4.2.3 医疗智能体协同服务实践
4.3 人工智能+金融
4.3.1 智能风控与反欺诈项目
4.3.2 智能投顾与量化辅助项目
4.3.3 AIGC与智能体在金融服务中的应用
4.4 人工智能+交通与自动驾驶
4.4.1 智能导航与交通优化项目
4.4.2 自动驾驶感知与决策项目
4.4.3 智能体在自动驾驶中的核心作用
4.5 人工智能+农业与工业
4.5.1 智慧农业：监测、灌溉、病虫害识别
4.5.2 智能制造：缺陷检测、预测性维护
4.5.3 AIGC与智能体在产业中的创新应用
【本章小结】
【习题】
第5章 AIGC及其开发实践
5.1 AIGC基础概述
5.1.1 AIGC的概念与发展演进
5.1.2 生成模型及其核心原理
5.1.3 AIGC技术的特征
5.2 AIGC多模态生成技术
5.2.1 文本生成技术及其应用
5.2.2 图像生成技术及其应用
5.2.3 多模态融合生成技术
5.3 AIGC行业应用场景
5.3.1 教育领域智能赋能应用
5.3.2 AIGC在办公与文创场景中的应用
5.4 AIGC实操与综合实践
5.4.1 主流AIGC工具的使用方法
5.4.2 提示词工程与内容优化
5.4.3 综合实践项目的设计与实现
【本章小结】
【习题】
第6章 智能体技术及其开发实践
6.1 智能体的基本概念
6.1.1 智能体的定义与基本特征
6.1.2 智能体的结构与分类体系
6.2 智能体开发平台
6.2.1 智能体开发平台的类型与特点
6.2.2 智能体开发平台的核心功能与技术架构
6.3 智能体开发实例
6.3.1 Coze开发平台实操基础
6.3.2 换脸与换装智能体开发实例
6.3.3 虚拟数字人智能体开发实例
【本章小结】
【习题】
第7章 人工智能模型的开发与实践
7.1 基于PaddleX的图像识别技术
7.1.1 PaddleX框架概述与运行环境
7.1.2 图像识别的基本原理与模型结构
7.1.3 PaddleX图像识别项目实操
7.2 基于机器学习的图像分类系统
7.2.1 图像分类技术的基本原理与流程
7.2.2 数据集预处理与模型训练
7.2.3 图像分类系统的搭建与测试
7.3 基于YOLO的视频识别系统
7.3.1 YOLO模型的特点与技术优势
7.3.2 YOLO模型的基本思想
7.3.3 YOLO模型的主要技术优势
7.3.4 YOLOv4 关键技术
7.3.5 视频目标检测工作机制
7.4 视频识别系统的开发与实践
7.4.1 案例项目概述
7.4.2 项目运行环境
7.4.3 数据集与标注
7.4.4 模型训练流程
7.4.5 图片检测实践
7.4.6 视频检测实践
7.4.7 模型评估与系统性能分析
【本章小结】
【习题】
第8章 人工智能伦理、安全与未来发展
8.1 人工智能伦理与行业规范
8.1.1 人工智能伦理的核心原则
8.1.2 AIGC内容合规与伦理边界
8.1.3 智能体应用的伦理规范
8.2 数据安全与隐私保护
8.2.1 数据安全风险与防范
8.2.2 个人隐私与数据合规
8.2.3 AIGC与智能体数据安全要求
8.3 AI偏见、公平性与可信AI
8.3.1 AI偏见的来源与影响
8.3.2 公平性优化的基本方法
8.3.3 建设可信AI的路径
8.4 人工智能产业的发展趋势与技术方向
8.4.1 AIGC的发展及其对产业的赋能
8.4.2 智能体技术的突破与应用前景
8.4.3 人工智能面临的挑战
8.5 人工智能与职业发展
8.5.1 AI对就业结构的影响
8.5.2 面向AI时代的职业能力
8.5.3 产教融合下的人才成长路径
【本章小结】
【习题】
参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的内涵与体系
1.1.1 人工智能的定义与核心特征
1.1.2 人工智能、智能体与AIGC的关系
1.1.3 人工智能的应用价值与边界
1.2 人工智能的发展历程与重要节点
1.3 人工智能主要流派与技术思想
1.4 人工智能学科的定位与产业全景
1.5 人工智能学习的路径与实践方法
1.5.1 人工智能通识课核心学习重点
1.5.2 AIGC与智能体入门路径
1.5.3 理论+项目+实践三位一体学习法
【本章小结】
【习题】
第2章 人工智能核心基础知识
2.1 数据与算法基础
2.1.1 数据类型、特征与预处理
2.1.2 人工智能典型算法思想
2.2 计算机视觉基础
2.2.1 图像数字化与特征提取
2.2.2 经典视觉模型与工作原理
2.2.3 计算机视觉在产业场景中的应用
2.3 自然语言处理基础
2.3.1 词法、句法与语义分析
2.3.2 文本表示与语言模型基础
2.3.3 NLP与AIGC、智能体的融合
2.4 机器学习基本概念
2.4.1 机器学习的定义与分类
2.4.2 监督/无监督学习
2.4.3 机器学习在真实项目中的作用
2.5 深度学习入门
2.5.1 神经网络结构与基本原理
2.5.2 典型深度学习模型简介
2.5.3 深度学习支撑AIGC与智能体的核心逻辑
【本章小结】
【习题】
第3章 人工智能真实应用场景
3.1 智能语音交互场景
3.1.1 语音识别与合成原理
3.1.2 真实场景：助手、客服、转写、车载
3.1.3 语音+智能体融合应用
3.2 计算机视觉与图像识别场景
3.2.1 图像分类、目标检测、图像分割
3.2.2 计算机视觉应用的真实场景
3.2.3 计算机视觉技术在AIGC生成中的应用
3.3 自然语言处理与文本智能场景
3.3.1 机器翻译的发展与真实应用
3.3.2 计算机视觉应用的真实场景
3.3.3 AIGC在文本处理中的产业创新
3.4 推荐系统与个性化服务场景
3.4.1 推荐系统的核心原理
3.4.2 推荐系统应用的真实场景
3.4.3 智能体对推荐系统的优化作用
【本章小结】
【习题】
第4章 人工智能行业应用项目
4.1 人工智能+教育
4.1.1 个性化学习与智能导学系统
4.1.2 AIGC辅助教学：课件、题库、答疑
4.1.3 智能体在教学管理中的应用
4.2 人工智能+医疗健康
4.2.1 医学影像AI辅助诊断项目
4.2.2 智能问诊与慢病管理项目
4.2.3 医疗智能体协同服务实践
4.3 人工智能+金融
4.3.1 智能风控与反欺诈项目
4.3.2 智能投顾与量化辅助项目
4.3.3 AIGC与智能体在金融服务中的应用
4.4 人工智能+交通与自动驾驶
4.4.1 智能导航与交通优化项目
4.4.2 自动驾驶感知与决策项目
4.4.3 智能体在自动驾驶中的核心作用
4.5 人工智能+农业与工业
4.5.1 智慧农业：监测、灌溉、病虫害识别
4.5.2 智能制造：缺陷检测、预测性维护
4.5.3 AIGC与智能体在产业中的创新应用
【本章小结】
【习题】
第5章 AIGC及其开发实践
5.1 AIGC基础概述
5.1.1 AIGC的概念与发展演进
5.1.2 生成模型及其核心原理
5.1.3 AIGC技术的特征
5.2 AIGC多模态生成技术
5.2.1 文本生成技术及其应用
5.2.2 图像生成技术及其应用
5.2.3 多模态融合生成技术
5.3 AIGC行业应用场景
5.3.1 教育领域智能赋能应用
5.3.2 AIGC在办公与文创场景中的应用
5.4 AIGC实操与综合实践
5.4.1 主流AIGC工具的使用方法
5.4.2 提示词工程与内容优化
5.4.3 综合实践项目的设计与实现
【本章小结】
【习题】
第6章 智能体技术及其开发实践
6.1 智能体的基本概念
6.1.1 智能体的定义与基本特征
6.1.2 智能体的结构与分类体系
6.2 智能体开发平台
6.2.1 智能体开发平台的类型与特点
6.2.2 智能体开发平台的核心功能与技术架构
6.3 智能体开发实例
6.3.1 Coze开发平台实操基础
6.3.2 换脸与换装智能体开发实例
6.3.3 虚拟数字人智能体开发实例
【本章小结】
【习题】
第7章 人工智能模型的开发与实践
7.1 基于PaddleX的图像识别技术
7.1.1 PaddleX框架概述与运行环境
7.1.2 图像识别的基本原理与模型结构
7.1.3 PaddleX图像识别项目实操
7.2 基于机器学习的图像分类系统
7.2.1 图像分类技术的基本原理与流程
7.2.2 数据集预处理与模型训练
7.2.3 图像分类系统的搭建与测试
7.3 基于YOLO的视频识别系统
7.3.1 YOLO模型的特点与技术优势
7.3.2 YOLO模型的基本思想
7.3.3 YOLO模型的主要技术优势
7.3.4 YOLOv4 关键技术
7.3.5 视频目标检测工作机制
7.4 视频识别系统的开发与实践
7.4.1 案例项目概述
7.4.2 项目运行环境
7.4.3 数据集与标注
7.4.4 模型训练流程
7.4.5 图片检测实践
7.4.6 视频检测实践
7.4.7 模型评估与系统性能分析
【本章小结】
【习题】
第8章 人工智能伦理、安全与未来发展
8.1 人工智能伦理与行业规范
8.1.1 人工智能伦理的核心原则
8.1.2 AIGC内容合规与伦理边界
8.1.3 智能体应用的伦理规范
8.2 数据安全与隐私保护
8.2.1 数据安全风险与防范
8.2.2 个人隐私与数据合规
8.2.3 AIGC与智能体数据安全要求
8.3 AI偏见、公平性与可信AI
8.3.1 AI偏见的来源与影响
8.3.2 公平性优化的基本方法
8.3.3 建设可信AI的路径
8.4 人工智能产业的发展趋势与技术方向
8.4.1 AIGC的发展及其对产业的赋能
8.4.2 智能体技术的突破与应用前景
8.4.3 人工智能面临的挑战
8.5 人工智能与职业发展
8.5.1 AI对就业结构的影响
8.5.2 面向AI时代的职业能力
8.5.3 产教融合下的人才成长路径
【本章小结】
【习题】
参考文献
前辅文
第1章 人工智能概述
1.1 人工智能的内涵与体系
1.1.1 人工智能的定义与核心特征
1.1.2 人工智能、智能体与AIGC的关系
1.1.3 人工智能的应用价值与边界
1.2 人工智能的发展历程与重要节点
1.3 人工智能主要流派与技术思想
1.4 人工智能学科的定位与产业全景
1.5 人工智能学习的路径与实践方法
1.5.1 人工智能通识课核心学习重点
1.5.2 AIGC与智能体入门路径
1.5.3 理论+项目+实践三位一体学习法
【本章小结】
【习题】
第2章 人工智能核心基础知识
2.1 数据与算法基础
2.1.1 数据类型、特征与预处理
2.1.2 人工智能典型算法思想
2.2 计算机视觉基础
2.2.1 图像数字化与特征提取
2.2.2 经典视觉模型与工作原理
2.2.3 计算机视觉在产业场景中的应用
2.3 自然语言处理基础
2.3.1 词法、句法与语义分析
2.3.2 文本表示与语言模型基础
2.3.3 NLP与AIGC、智能体的融合
2.4 机器学习基本概念
2.4.1 机器学习的定义与分类
2.4.2 监督/无监督学习
2.4.3 机器学习在真实项目中的作用
2.5 深度学习入门
2.5.1 神经网络结构与基本原理
2.5.2 典型深度学习模型简介
2.5.3 深度学习支撑AIGC与智能体的核心逻辑
【本章小结】
【习题】
第3章 人工智能真实应用场景
3.1 智能语音交互场景
3.1.1 语音识别与合成原理
3.1.2 真实场景：助手、客服、转写、车载
3.1.3 语音+智能体融合应用
3.2 计算机视觉与图像识别场景
3.2.1 图像分类、目标检测、图像分割
3.2.2 计算机视觉应用的真实场景
3.2.3 计算机视觉技术在AIGC生成中的应用
3.3 自然语言处理与文本智能场景
3.3.1 机器翻译的发展与真实应用
3.3.2 计算机视觉应用的真实场景
3.3.3 AIGC在文本处理中的产业创新
3.4 推荐系统与个性化服务场景
3.4.1 推荐系统的核心原理
3.4.2 推荐系统应用的真实场景
3.4.3 智能体对推荐系统的优化作用
【本章小结】
【习题】
第4章 人工智能行业应用项目
4.1 人工智能+教育
4.1.1 个性化学习与智能导学系统
4.1.2 AIGC辅助教学：课件、题库、答疑
4.1.3 智能体在教学管理中的应用
4.2 人工智能+医疗健康
4.2.1 医学影像AI辅助诊断项目
4.2.2 智能问诊与慢病管理项目
4.2.3 医疗智能体协同服务实践
4.3 人工智能+金融
4.3.1 智能风控与反欺诈项目
4.3.2 智能投顾与量化辅助项目
4.3.3 AIGC与智能体在金融服务中的应用
4.4 人工智能+交通与自动驾驶
4.4.1 智能导航与交通优化项目
4.4.2 自动驾驶感知与决策项目
4.4.3 智能体在自动驾驶中的核心作用
4.5 人工智能+农业与工业
4.5.1 智慧农业：监测、灌溉、病虫害识别
4.5.2 智能制造：缺陷检测、预测性维护
4.5.3 AIGC与智能体在产业中的创新应用
【本章小结】
【习题】
第5章 AIGC及其开发实践
5.1 AIGC基础概述
5.1.1 AIGC的概念与发展演进
5.1.2 生成模型及其核心原理
5.1.3 AIGC技术的特征
5.2 AIGC多模态生成技术
5.2.1 文本生成技术及其应用
5.2.2 图像生成技术及其应用
5.2.3 多模态融合生成技术
5.3 AIGC行业应用场景
5.3.1 教育领域智能赋能应用
5.3.2 AIGC在办公与文创场景中的应用
5.4 AIGC实操与综合实践
5.4.1 主流AIGC工具的使用方法
5.4.2 提示词工程与内容优化
5.4.3 综合实践项目的设计与实现
【本章小结】
【习题】
第6章 智能体技术及其开发实践
6.1 智能体的基本概念
6.1.1 智能体的定义与基本特征
6.1.2 智能体的结构与分类体系
6.2 智能体开发平台
6.2.1 智能体开发平台的类型与特点
6.2.2 智能体开发平台的核心功能与技术架构
6.3 智能体开发实例
6.3.1 Coze开发平台实操基础
6.3.2 换脸与换装智能体开发实例
6.3.3 虚拟数字人智能体开发实例
【本章小结】
【习题】
第7章 人工智能模型的开发与实践
7.1 基于PaddleX的图像识别技术
7.1.1 PaddleX框架概述与运行环境
7.1.2 图像识别的基本原理与模型结构
7.1.3 PaddleX图像识别项目实操
7.2 基于机器学习的图像分类系统
7.2.1 图像分类技术的基本原理与流程
7.2.2 数据集预处理与模型训练
7.2.3 图像分类系统的搭建与测试
7.3 基于YOLO的视频识别系统
7.3.1 YOLO模型的特点与技术优势
7.3.2 YOLO模型的基本思想
7.3.3 YOLO模型的主要技术优势
7.3.4 YOLOv4 关键技术
7.3.5 视频目标检测工作机制
7.4 视频识别系统的开发与实践
7.4.1 案例项目概述
7.4.2 项目运行环境
7.4.3 数据集与标注
7.4.4 模型训练流程
7.4.5 图片检测实践
7.4.6 视频检测实践
7.4.7 模型评估与系统性能分析
【本章小结】
【习题】
第8章 人工智能伦理、安全与未来发展
8.1 人工智能伦理与行业规范
8.1.1 人工智能伦理的核心原则
8.1.2 AIGC内容合规与伦理边界
8.1.3 智能体应用的伦理规范
8.2 数据安全与隐私保护
8.2.1 数据安全风险与防范
8.2.2 个人隐私与数据合规
8.2.3 AIGC与智能体数据安全要求
8.3 AI偏见、公平性与可信AI
8.3.1 AI偏见的来源与影响
8.3.2 公平性优化的基本方法
8.3.3 建设可信AI的路径
8.4 人工智能产业的发展趋势与技术方向
8.4.1 AIGC的发展及其对产业的赋能
8.4.2 智能体技术的突破与应用前景
8.4.3 人工智能面临的挑战
8.5 人工智能与职业发展
8.5.1 AI对就业结构的影响
8.5.2 面向AI时代的职业能力
8.5.3 产教融合下的人才成长路径
【本章小结】
【习题】
参考文献
