前言
第1 章人工智能技术概述1
1.1 人工智能1
1.1.1 智能的概念1
1.1.2 人工智能的概念2
1.2 人工智能的发展历程2
1.2.1 孕育期（1936—1955 年） 2
1.2.2 形成期（1956—1969 年） 3
1.2.3 发展期（1970—1992 年） 4
1.2.4 爆发期（1993 年至今） 5
1.3 人工智能的研究内容6
1.3.1 感知智能6
1.3.2 认知智能7
1.3.3 行为智能7
1.3.4 群体智能7
1.3.5 混合智能8
1.3.6 情感智能9
1.3.7 类脑智能9
1.3.8 具身智能10
1.4 现代人工智能进展11
1.4.1 深度学习范式11
1.4.2 学习机制的创新12
1.5 拓展阅读14
1.6 参考文献15
第2 章知识图谱17
2.1 基础篇17
2.1.1 知识图谱的发展历程17
2.1.2 知识图谱的概念19
2.1.3 知识图谱的表示21
2.2 进阶篇23
2.2.1 知识图谱的架构23
2.2.2 知识图谱的建模24
2.2.3 知识图谱的评估27
2.3 实践篇29
2.3.1 知识图谱应用领域29
2.3.2 腾讯知识图谱平台32
2.4 拓展阅读36
2.5 参考文献36
第3 章不确定性推理37
3.1 基础篇37
3.1.1 不确定性推理的基本概念37
3.1.2 不确定性推理的发展历程40
3.2 进阶篇42
3.2.1 可信度方法42
3.2.2 证据理论44
3.3 实践篇47
3.3.1 可信度方法的应用47
3.3.2 证据理论的应用49
3.4 拓展阅读51
3.5 参考文献52
第4 章智能搜索优化算法53
4.1 基础篇53
4.1.1 搜索与优化的基本概念54
4.1.2 智能搜索优化算法的主要分类54
4.1.3 启发式搜索算法详解56
4.2 进阶篇58
4.2.1 进化算法58
4.2.2 遗传算法59
4.2.3 群体智能搜索优化算法62
4.2.4 物理模拟优化算法67
4.3 实践篇71
4.3.1 股市交易策略搜索72
4.3.2 金融投资组合优化74
4.4 拓展阅读77
4.5 参考文献78
第5 章机器学习79
5.1 基础篇79
5.1.1 机器学习的基本概念80
5.1.2 机器学习的发展历程80
5.1.3 机器学习的主要分类82
5.2 进阶篇85
5.2.1 线性回归85
5.2.2 聚类算法89
5.2.3 K 近邻算法93
5.2.4 决策树95
5.2.5 支持向量机99
5.2.6 神经网络104
5.3 实践篇108
5.3.1 线性回归在股票市场预测中的应用109
5.3.2 聚类算法在客户细分与行为分析中的应用110
5.3.3 K 近邻算法在医疗诊断与病理分类中的应用112
5.3.4 决策树在信用卡欺诈检测中的应用114
5.4 拓展阅读114
5.5 参考文献117
第6 章自然语言处理120
6.1 基础篇120
6.1.1 自然语言处理概述120
6.1.2 自然语言处理的发展历程120
6.2 进阶篇123
6.2.1 如何建模语言123
6.2.2 基于规则的方法124
6.2.3 基于统计学习的方法125
6.2.4 基于深度学习的方法127
6.3 实践篇131
6.3.1 使用序列到序列模型实现机器翻译132
6.3.2 命名实体识别138
6.4 拓展阅读145
6.5 参考文献146
第7 章计算机视觉148
7.1 基础篇148
7.1.1 计算机视觉的发展历程148
7.1.2 计算机视觉的核心任务151
7.2 进阶篇152
7.2.1 卷积神经网络152
7.2.2 残差神经网络153
7.2.3 单阶段目标检测神经网络154
7.2.4 掩码区域卷积神经网络155
7.2.5 视觉转换器156
7.2.6 扩散模型157
7.3 实践篇159
7.3.1 图像分类159
7.3.2 目标检测161
7.3.3 实例分割162
7.4 拓展阅读164
7.5 参考文献165
第8 章基础模型167
8.1 基础篇167
8.1.1 基础模型的概念167
8.1.2 基础模型的发展历程168
8.1.3 基础模型的关键技术171
8.1.4 基础模型的应用领域172
8.2 进阶篇174
8.2.1 Transformer 架构174
8.2.2 前馈神经网络174
8.2.3 预训练与微调技术176
8.2.4 人类意图对齐技术177
8.2.5 多模态技术178
8.2.6 检索增强生成技术180
8.2.7 数据处理与模型评估181
8.3 实践篇182
8.3.1 商业报告生成助手183
8.3.2 法律知识问答助手184
8.4 拓展阅读186
8.5 参考文献186
第9 章数据可视化188
9.1 基础篇188
9.1.1 数据的基本概念188
9.1.2 数据与可视化189
9.1.3 数据可视化的现实意义190
9.2 进阶篇190
9.2.1 数据探索性分析190
9.2.2 对比与趋势可视化191
9.2.3 数据可视化的分类193
9.3 实践篇202
9.3.1 初识Matplotlib 202
9.3.2 可视化图形定制203
9.3.3 鸢尾花数据可视化分析205
9.3.4 火灾数据可视化分析208
9.4 拓展阅读212
9.5 参考文献214
第10 章金融科技216
10.1 基础篇216
10.1.1 中国金融科技的发展历程216
10.1.2 金融科技的技术与工具218
10.1.3 金融科技的未来趋势和挑战219
10.2 进阶实践篇220
10.2.1 知识图谱与金融科技220
10.2.2 自然语言处理与金融科技222
10.2.3 计算机视觉与金融科技223
10.3 拓展阅读224
10.4 参考文献226
第11 章智能机器人227
11.1 基础篇227
11.1.1 智能机器人概述227
11.1.2 智能机器人的基本组成231
11.1.3 智能机器人的分类234
11.2 进阶实践篇236
11.2.1 智能机器人的核心技术236
11.2.2 自主导航与环境感知238
11.2.3 机器人控制与优化241
11.2.4 智能对话机器人244
11.2.5 智能家居控制系统245
11.3 拓展阅读250
11.4 参考文献251
第12 章智慧医疗253
12.1 基础篇253
12.1.1 智慧医疗概述253
12.1.2 智慧医疗的发展历程255
12.2 进阶实践篇257
12.2.1 基于图像识别的诊断257
12.2.2 智慧医疗问答系统259
12.2.3 蛋白质结构的解析与预测261
12.3 拓展阅读264
12.4 参考文献265
第13 章智慧交通266
13.1 基础篇266
13.1.1 智慧交通概述266
13.1.2 智慧交通的关键技术268
13.2 进阶实践篇271
13.2.1 交通预测271
13.2.2 城市救护车部署方案277
13.3 拓展阅读280
13.4 参考文献281