应用人工智能：自然语言处理、计算机视觉、机器人及生成式AI部署

通过真实工具掌握应用AI核心领域——从自然语言处理到生成式AI部署

人工智能已从学术理论快速演进为现实应用。从驱动聊天机器人到控制自主机器人，从图像分析到生成合成内容，AI无处不在。本课程旨在为学习者构建坚实的应用AI实践基础，涵盖六大关键领域：自然语言处理、计算机视觉、机器人技术、生成式AI幻觉管理、部署策略以及精选AI工具集。无论您是希望进入AI领域、提升数据科学技能，还是更高效地管理AI项目，本课程都将提供实用洞见、动手技巧和现代最佳实践，助您成功。

课程时长：3小时52分钟 1920X1080 mp4 语言：英语+中英文字幕 （精译）

第一部分：自然语言处理（NLP）
我们从自然语言处理起步——这一领域让机器能够理解与生成人类语言。本节首先介绍NLP基础，随后讲解文本预处理技术（如分词、停用词去除和词干提取）。您将学习使用监督学习进行文本分类，深入命名实体识别（NER）以提取结构化数据，并通过情感分析从文本中捕捉观点。最后，我们将解析BERT和GPT等强大语言生成模型，展示它们如何变革摘要生成、翻译和对话式AI等任务。

第二部分：计算机视觉
本节探索机器如何”看见”并解读视觉数据。从图像处理基础（如滤波、降噪和增强）开始，到特征提取中的边缘检测与特征映射技术。您将学习YOLO和SSD等目标检测算法，以及像素级分类的图像分割技术。图像生成部分将介绍生成对抗网络（GAN）和扩散模型，展示AI如何创造逼真的合成视觉内容。

第三部分：机器人技术与AI
本节介绍AI如何驱动智能机器人系统。从机器人基础入门，学习计算机视觉、路径规划和控制系统等关键AI技术。AI在机器人中的应用讲座将探讨仓储自动化和机器人手术等现实案例。机器人强化学习则演示机器人如何通过试错在动态环境中做出决策。

第四部分：生成式AI的幻觉管理
生成式AI有时会产生事实错误或误导性输出——即”幻觉”。本节从幻觉的简介与真实案例切入，解析其成因、类型，以及如何通过基准测试和红队策略检测评估幻觉。缓解策略与高级技术涵盖微调、检索增强生成和人机协同系统，并通过案例研究展示解决方案，最后以测验巩固理解。

第五部分：生成式AI的集成与部署
本节全面指导如何在现实环境中部署生成式AI系统。从集成概述与发展现状出发，讲解开发关键考量（如可扩展性、延迟和数据隐私）。评估部署方法与供应商环节将介绍AWS Bedrock、Anthropic和VLLM等平台，配合实践案例与实验环节培养实操能力。趣味总结课”你真的了解AI部署吗？”将检验您的应用知识。

第六部分：AI工具集
这个实战章节通过11场专题讲座带您认识AI工具套装。每场讲座深入讲解一个或多个工具，涵盖数据分析、模型开发、部署与监控等任务。从TensorFlow、PyTorch等开源库，到Hugging Face、Weights & Biases和LangChain等前沿平台，您将获得广泛实用的工具集，全面增强AI应用能力。

课程结语：
您已探索了应用AI的核心支柱：从语言处理、视觉识别到机器人技术和负责任部署。本课程不仅传授理论，更提供实用工作流、工具精通和伦理认知，助您成功实施AI。无论是构建聊天机器人、分析卫星图像、部署生成式AI模型，还是预防AI幻觉，您都已具备付诸实践的能力。AI即未来——本课程确保您不仅是见证者，更是塑造者。

适合人群：

• 有志从事AI与数据科学的专业人士

• 希望将AI集成到产品中的软件开发人员

• 寻求AI实践基础的研究人员与学生

• 负责AI项目的产品经理与技术主管

• 关注负责任AI部署的商业与创新领导者

• 任何渴望理解并运用现代AI领域实用工具的学习者

您将学到：

• NLP基础与应用（包括文本分类与情感分析）

• 计算机视觉技术（如目标检测、分割与图像生成）

• AI与机器人技术的融合（含强化学习）

• 生成式AI幻觉的理解、检测与管理

• 使用云服务与开源工具部署生成式AI模型

• 适用于现实工作流的顶尖AI工具与平台

• 现代AI系统中的伦理议题与真实案例研究

学习要求：

• 基础编程知识（建议Python）

• 了解机器学习概念更佳（非必须）

• 愿意动手实验AI工具并参与实践项目

• 可连接互联网以使用云端AI工具与API

课程目录：
1 – NLP基础
2 – 文本预处理
3 – 文本分类
4 – 命名实体识别（NER）
5 – 情感分析
6 – 语言生成模型（BERT、GPT）
7 – 图像处理基础
8 – 特征提取
9 – 目标检测
10 – 图像分割
11 – 图像生成
12 – 机器人学入门
13 – 机器人中的人工智能技术
14 – 人工智能在机器人中的应用
15 – 机器人中的强化学习
16 – 简介
17 – 生成式AI示例
18 – 幻觉示例
19 – 生成式AI中幻觉的成因
20 – 幻觉的类型
21 – 幻觉的检测与评估
22 – 缓解策略
23 – 高级技术
24 – 案例研究与实际应用
25 – 测验
26 – 生成式AI集成与部署入门
27 – 理解开发环境
28 – 开发的关键考量
29 – 评估部署方法与供应商
30 – 案例研究与最佳实践
31 – AWS Bedrock
32 – Anthropic
33 – VLLM
34 – 实际示例与最佳实践
35 – 动手实验与项目
36 – 自认为了解AI部署？
37 – AI工具第1部分
38 – AI工具第2部分
39 – AI工具第3部分
40 – AI工具第4部分
41 – AI工具第5部分
42 – AI工具第6部分
43 – AI工具第7部分
44 – AI工具第8部分
45 – AI工具第9部分
46 – AI工具第10部分
47 – AI工具第11部分