绪论 0.1 引言 第一章 初识人工智能 1.1 人工智能的新时代和起源定义 1.2 人工智能的主流学派 1.3 人工智能的发展浪潮 1.4 人工智能的伦理安全 第二章 人工智能的系统数据基础 2.1 人工智能系统架构与计算机系统基础 2.2 人工智能计算系统基础 2.3 人工智能系统的数据表示基础 第三章 人工智能的应用开发基础 3.1 从手写数字应用到AI开发环境 3.2 AI的开发语言-Python入门 3.3 AI的算法库 3.4 深度学习框架 第四章 从问题求解到机器学习 4.1 问题求解概述 4.2 通用问题求解与算法方法学 4.3 问题求解与搜索算法和机器学习求解方法 4.4 机器学习算法库scikit-learn 第五章 回归和分类模型 5.1 监督学习方法 5.2 回归模型 5.2.1 回归模型-理论部分 5.2.2 回归模型-实验案例 5.3 分类模型 5.3.1 分类模型-理论部分 5.3.2 分类模型-实验案例 第六章 数据聚类和降维 6.1 无监督学习方法 6.2 聚类分析技术 6.3 数据降维技术 第七章 深度网络基本构件 7.1 图像识别技术 7.2 感知机模型 7.3 单隐含层MLP 7.4 损失函数 7.5 Back Propagation（BP）算法 第八章 卷积神经网络 8.1 多隐含层MLP 8.2 卷积运算基础 8.3 卷积神经网络及实现方法 8.4 CNN的应用 第九章 循环神经网络 9.1 RNN 循环神经网络 9.2 LSTM及其他循环神经网络 9.3 LSTM股票趋势预测 第十章 人工智能应用开发方法 10.1 应用开发基本要求 10.2 AI应用系统开发基本流程 10.3 项目案例：人脸情感识别应用实践 第十一章 自然语言处理建模 11.1 NLP概述 11.2 NLP技术基础 11.3 经典NLP模型 11.4 Transformer结构 11.4.1 Transformer结构（一） 11.4.2 Transformer结构（二） 第十二章 大语言模型与生成式人工智能 12.1 大语言模型与生成式人工智能（一） 12.2 大语言模型与生成式人工智能（二） 第十三章 预训练微调与多模态模型 13.1 私人助手定制 13.1.1 聊天大语言模型 13.1.2 微调大语言模型和本地部署DeepSeek-R1 13.2 多模态大语言模型 13.2.1 AI绘画 13.2.2 扩散模型和MLLM研究前沿