人工智能导论 第 7 章　人工智能实践
第 7 章

人工智能实践

前面讲的是原理，这一章讲怎样把一个 AI 项目从数据、环境、代码一路做到上线。
1 第一节　AI 实践三要素 11 页
数据、算力、算法，三样要配得上
  1. 01章首
  2. 02本章导入
  3. 03全流程
  4. 04三要素
  5. 05可训练数据
  6. 06怎么切分
  7. 07信息泄露
  8. 08硬件选型
  9. 09排障顺序
  10. 10学习范式
  11. 11训练与评测
2 第二节　开发环境与工具箱 6 页
环境怎么配，工具怎么选，从哪里起步
  1. 12软件栈
  2. 13GPU 配置
  3. 14容器化
  4. 15可复现
  5. 16框架与生态
  6. 17训练流程
3 第三节　经典机器学习实践 7 页
给旧金山的案件分类，功夫在特征上
  1. 18任务定义
  2. 19特征编码
  3. 20时间与空间
  4. 21预处理与分类器
  5. 22Pipeline
  6. 23评估方法
  7. 24评估结果
实验 1 什么时候，哪儿，会出什么事
配合第三节和第一节。按时间和地点猜一起案件属于八类中的哪一类，先定基线，再看一列会泄露答案的字段，以及“小时”该怎样交给模型。
  1. 01先定一个基线
  2. 02一列会泄露答案的字段
  3. 03“小时”换个写法交给模型
  4. 04实验报告
4 第四节　深度学习实践 11 页
预测变压器油温，走一遍完整训练
  1. 25任务定义
  2. 26数据准备
  3. 27七个字段
  4. 28多步预测
  5. 29单变量与多变量
  6. 30DLinear
  7. 31序列分解
  8. 33训练五步
  9. 34验证与早停
  10. 35早停
  11. 36训练流水线
5 第五节　强化学习实践 11 页
在仿真里教小车保持平衡
  1. 37两种学习
  2. 38Isaac Sim
  3. 39三个面板
  4. 40环境接口
  5. 42接口规范
  6. 43PPO
  7. 44SAC
  8. 45PPO 训练循环
  9. 46PPO 与 SAC
  10. 47奖励设计
  11. 48训练监控
实验 2 让一根杆子别倒下
配合第五节。亲手推一推倒立摆，试一条手写规则，再让 DQN 在页面里当场学一遍，比较几次训练的成绩差多少。
  1. 01你先自己推一推
  2. 02手写一条规则试试
  3. 03让 DQN 自己学一遍
  4. 04同样的代码，多练几次
  5. 05实验报告
6 第六节　大模型与 AIGC 实践 8 页
怎样问得清楚，哪些事不能做
  1. 49能力与边界
  2. 50提示词
  3. 51提示词优化
  4. 52核验与隐私
  5. 53AIGC 总览
  6. 54图像生成
  7. 55视频生成
  8. 56版权伦理
7 第七节　模型部署实践 6 页
把训好的模型变成别人能用的服务
  1. 57部署工具
  2. 58部署流程
  3. 59ONNX 推理
  4. 60三种形态
  5. 61部署命令
  6. 62部署示例
8 第八节　算法竞赛平台实践 6 页
上竞赛平台，完整做一道房价题
  1. 63Kaggle
  2. 64其他平台
  3. 65房价任务
  4. 66标签分布
  5. 68目标变换
  6. 69训练与提交
实验 3 同一批人，不同的做法
配合第八节。用泰坦尼克号 891 名乘客走一遍算法竞赛的流程：造特征、补缺失、交提交文件，再看公开排行榜上的名次有多少是运气。
  1. 01造几列新特征
  2. 02补上缺失的年龄，生成提交文件
  3. 03排行榜上的名次有多少是运气
  4. 04实验报告
9 第九节　行业实践 6 页
工厂、医院、银行、农田都在用什么
  1. 70工业制造
  2. 71医疗健康
  3. 72金融服务
  4. 73农业生产
  5. 74其他行业
  6. 75课后交流
保山学院·人工智能教研室·曹鼎鼎