导语

  

内容提要

  

    随着大模型及智能机器人技术的飞速发展，人工智能在人类生产生活中发挥着越来越重要的作用。人工智能是以模拟和扩展人类的智能和行动为目的，以现代科学和技术为手段的一门新兴科技。本书从先进性和实用性出发，面向人工智能在感知、认知、决策等方向的应用需求，从基于Python的面向对象程序设计基本语法出发，对典型人工智能应用开发背后的理论和实现路径进行具体介绍。全书共分为10章，主要内容包括Python简介、Python语法与面向对象程序设计、Python人工智能程序设计、基于语音合成技术的行程播报系统、基于强化学习的自主游戏、基于数据挖掘的医药问答系统、面向无人驾驶的目标检测、基于3D高斯溅射的三维重建系统、基于AIGC的图像生成系统、基于大模型的具身智能系统。本书配套电子课件、程序代码等教学资源。
    本书既可作为高等学校相关专业人工智能程序设计课程及Python程序设计课程的基础教材，又可供相关领域的工程技术人员学习和参考。

第1章 Python简介
  1.1 Python程序设计语言简介
    1.1.1 Python的起源与发展
    1.1.2 Python的特点
    1.1.3 Python的广泛应用
  1.2 Python开发环境准备
    1.2.1 安装Python
    1.2.2 Python集成开发环境
  1.3 第一个Python程序
  思考题
第2章 Python语法与面向对象程序设计
  2.1 Python基础语法
    2.1.1 标识符和变量
    2.1.2 行和缩进
    2.1.3 多行语句与单行多条语句
    2.1.4 注释
    2.1.5 引号
    2.1.6 空行
  2.2 基本数据类型
    2.2.1 基本数据类型简介
    2.2.2 运算符
    2.2.3 键盘输入
    2.2.4 浮点数计算的限制
  2.3 复杂数据类型
    2.3.1 字符串
    2.3.2 列表
    2.3.3 元组
    2.3.4 集合
    2.3.5 字典
    2.3.6 序列对象与其他对象的比较
  2.4 控制语句
    2.4.1 if语句
    2.4.2 while语句
    2.4.3 for语句
    2.4.4 break语句和continue语句
    2.4.5 序列推导式
  2.5 函数
    2.5.1 函数的定义和调用
    2.5.2 命名空间和作用域
    2.5.3 可变对象和不可变对象的传参
    2.5.4 函数参数的形式
    2.5.5 函数的不定长参数
    2.5.6 解包函数实参
    2.5.7 匿名函数
    2.5.8 函数的递归
    2.5.9 装饰器
    2.5.10 函数注解
  2.6 模块和包
    2.6.1 模块
    2.6.2 模块搜索路径
    2.6.3 包
  2.7 错误和异常
    2.7.1 语法错误
    2.7.2 异常
    2.7.3 断言
    2.7.4 抛出异常
    2.7.5 异常的处理
    2.7.6 异常链
    2.7.7 清理操作
  2.8 类和对象
    2.8.1 类的定义
    2.8.2 实例对象
    2.8.3 私有属性与私有方法
    2.8.4 继承
    2.8.5 迭代器和生成器
    2.8.6 运算符重载
  2.9 文件读写
  2.10 PEP编码规范
  思考题
第3章 Python人工智能程序设计
  3.1 人工智能与机器学习简介
  3.2 常见的Python人工智能库
    3.2.1 NumPy：Python科学计算的基石
    3.2.2 Pandas：数据处理与分析的利器
    3.2.3 Scikit-learn：机器学习的综合性工具包
    3.2.4 PyTorch：深度学习的前沿框架
  3.3 人工智能辅助编程工具
  思考题
第4章 基于语音合成技术的行程播报系统
  4.1 项目背景
  4.2 需求分析
  4.3 总体设计
  4.4 基于OpenVoice模型的语音合成技术
    4.4.1 基础语音合成模块
    4.4.2 音色转换器
  4.5 项目实现
    4.5.1 课程表模块设计
    4.5.2 出行建议模块设计
    4.5.3 语音合成模块设计
  思考题
第5章 基于强化学习的自主游戏
  5.1 项目背景
  5.2 需求分析
    5.2.1 游戏系统需求
    5.2.2 强化学习系统需求
  5.3 总体设计
    5.3.1 游戏设计
    5.3.2 算法设计
  5.4 强化学习的基本概念
    5.4.1 马尔可夫决策过程与策略
    5.4.2 价值函数与最优策略
    5.4.3 Q-learning算法与DQN算法
  5.5 项目实现
    5.5.1 贪吃蛇游戏系统实现
    5.5.2 游戏核心逻辑
    5.5.3 画面更新机制
  5.6 基于DQN算法的智能体
    5.6.1 状态建模与网络设计
    5.6.2 智能体行为实现
    5.6.3 强化学习训练过程
  思考题
第6章 基于数据挖掘的医药问答系统
  6.1 项目背景
  6.2 需求分析
  6.3 总体设计
  6.4 知识图谱和问答系统基本概念
    6.4.1 知识图谱
    6.4.2 问答系统
  6.5 项目实现
    6.5.1 知识图谱构建
    6.5.2 问答系统构建
    6.5.3 界面设计
  思考题
第7章 面向无人驾驶的目标检测
  7.1 项目背景
  7.2 需求分析
  7.3 总体设计
  7.4 基于YOLOv8的目标检测
    7.4.1 目标检测算法概述
    7.4.2 YOLOv8网络结构
    7.4.3 YOLOv8损失函数
  7.5 项目实现
    7.5.1 数据预处理模块
    7.5.2 模型训练模块
    7.5.3 模型测试与结果展示模块
  思考题
第8章 基于3D高斯泼溅的三维重建系统
  8.1 项目背景
  8.2 需求分析
  8.3 总体设计
    8.3.1 网络架构
    8.3.2 功能设计
  8.4 基于3DGS的三维重建
    8.4.1 三维重建方法与3DGS表示
    8.4.2 3DGS原理
    8.4.3 3DGS算法流程
  8.5 项目实现
    8.5.1 3DGS模型及初始化
    8.5.2 高斯模型的优化与训练
    8.5.3 前后端实现与结果展示
  思考题
第9章 基于AIGC的图像生成系统
  9.1 项目背景
  9.2 需求分析
  9.3 总体设计
  9.4 Stable Diffusion
    9.4.1 Stable Diffusion原理
    9.4.2 Stable Diffusion文生图技术
  9.5 项目实现
    9.5.1 QT框架实现
    9.5.2 文字表征代码实现
    9.5.3 图像生成代码实现
  思考题
第10章 基于大模型的具身智能系统
  10.1 项目背景
  10.2 需求分析
  10.3 总体设计
  10.4 具身智能和大模型
    10.4.1 具身智能
    10.4.2 大模型
  10.5 项目实现
    10.5.1 机械臂模型构建与仿真环境搭建
    10.5.2 大模型指令生成
    10.5.3 视觉识别与物体抓取
  思考题
参考文献