北京邮电大学出版社

近年来智能科学与技术领域，特别是大模型技术及应用、通用人工智能、深度强化学习、知识图谱等的迅猛发展，带来了很多新的思想、观念和成果，智能科学与技术也成为了一级学科，为了更好地让智能科学与技术学科及相关学科的本科学生系统地了解机器智能领域的知识，本书以案例带动知识点开展学习，注重培养学生解决实际问题的能力。本书主要内容包括：
第一章机器智能概念与挑战、第二章开发工具、第三章结构模拟设计实践、第四章功能模拟设计实践、第五章行为模拟设计实践、第六章大模型设计实践、第七章基于 Kaggle 竞赛的机器智能实战。本书内容选择合理、结构清楚、图文并茂、面向应用，适合作为本科生的教学用书，也可作为工程人员的培训教材或相关科研人员的参考书。
本书在编写过程中参考了大量书籍、文献及手册资料，在此向各位相关作者表示诚挚的感谢。同时，由于作者水平有限，而且智能科学与技术是一种正在不断发展和完善的技术，书中难免有不恰当之处，敬请读者批评指正。

目录介绍

第1章机器智能：概念、演进与实践1

1.1机器智能的概念1

1.2机器智能的发展脉络2

1.2.1结构模拟：从神经网络到深度学习2

1.2.2功能模拟：专家系统与知识工程2

1.2.3行为模拟：环境交互与强化学习3

1.2.4大模型与通用智能：机器智能研究的新阶段3

1.3实践体系设计4

1.3.1从研究范式到实践项目4

1.3.2学习路径与能力培养5

1.3.3实践学习建议5

本章小结6

参考文献6

第2章
Python开发工具8

2.1Python概要8

2.1.1Python在深度学习中的地位8

2.1.2Python的应用领域9

2.2环境搭建9

2.2.1Anaconda安装与配置9

2.2.2虚拟环境管理10

2.2.3常用科学计算库安装10

2.3深度学习框架简介11

2.3.1深度学习框架的作用11

2.3.2主流深度学习框架对比12

2.3.3深度学习框架的通用概念13

本章小结16

参考文献17

第3章
结构模拟设计实践19

3.1实践项目1：基于YOLOv5的目标检测系统20

3.1.1项目分析与设计20

3.1.2基础知识补充21

3.1.3PASCAL VOC数据集分析与处理27

3.1.4项目实现33

3.2实践项目2：视频多目标检测与跟踪系统39

3.2.1项目分析与设计39

3.2.2基础知识补充41

3.2.3MOT Challenge数据集分析与处理51

3.2.4项目实现53

本章小结63

参考文献63

第4章
功能模拟设计实践66

4.1实践项目1：基于产生式规则的动物识别专家系统66

4.1.1项目分析与设计66

4.1.2基础知识补充70

4.1.3专家系统构建73

4.1.4项目实现80

4.2实践项目2：基于RAG的名著问答Agent系统94

4.2.1项目分析与设计94

4.2.2基础知识补充95

4.2.3技术选型与分析103

4.2.4系统构建与项目实现105

本章小结119

参考文献120

第5章
行为模拟设计实践122

5.1实践项目1：深度强化学习与机械臂单智能体控制123

5.1.1项目分析与设计123

5.1.2基础知识补充123

5.1.3系统设计126

5.1.4代码实现与分析可视化128

5.2实践项目2：深度强化学习与多智能体控制142

5.2.1多智能体控制142

5.2.2基础知识补充143

5.2.3系统设计144

5.2.4代码实现145

本章小结162

参考文献162

第6章大模型技术实践165

6.1实践项目1：多模态图文理解系统166

6.1.1项目分析与设计166

6.1.2多模态大模型核心架构167

6.1.3多模态大模型的预训练方法171

6.1.4项目实现174

6.2实践项目2：多轮对话指令微调系统183

6.2.1项目分析与设计183

6.2.2多轮对话大模型核心架构185

6.2.3指令微调与监督微调方法189

6.2.4项目实现193

本章小结205

参考文献206

第7章
面向竞赛的机器智能实战208

7.1Kaggle介绍208

7.1.1Kaggle是什么208

7.1.2Kaggle竞赛解析210

7.1.3实战指南：以泰坦尼克号生存预测为例211

7.1.4Kaggle舞台上中国AI人才的崛起214

7.2实战竞赛1：智能医疗文本抽取系统——
基于NBMEScore Clinical Patient Notes竞赛215

7.2.1赛题背景与任务定义215

7.2.2token分类：从序列标注到临床信息抽取215

7.2.3评价指标：从token到span218

7.2.4DeBERTa模型详解：从BERT到解耦注意力的演进219

7.2.5解决方案的整体流程223

7.2.6关键代码解析223

7.3实战竞赛2：宠物受欢迎度预测——基于PetFinder.myPawpularity竞赛230

7.3.1标签噪声与主观性问题230

7.3.2Swin Transformer：视觉领域的新范式231

7.3.3LDL方案解构233

7.3.4LDL方法代码解析236

7.3.5集成方案解构240

7.3.6集成方案代码解析242

本章小结249

参考文献250