顶部
收藏

人工智能基础与应用


作者:
主编 徐晓华 胡倩 胡众义,副主编 林小燕 潘红艳 江治 黄海广 张楠
定价:
55.00元
ISBN:
978-7-04-065610-7
版面字数:
470.00千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2025-10-09
物料号:
65610-00
读者对象:
高等教育
一级分类:
文化素质教育

本书为一部面向高等学校非计算机专业的人工智能通识教材,旨在系统讲授人工智能基础知识与核心应用技能。随着人工智能技术在社会各领域的深度融合,各学科专业学生亟需掌握相关技术,以应对未来职业发展的新需求。本书从基础理论到实践应用,再到伦理反思,构建了完整的人工智能通识课程知识体系,帮助非计算机专业学生轻松入门并灵活运用人工智能技术。全书分为8章,涵盖基础理论、技术框架、场景应用、伦理反思等内容,并配有丰富的跨学科案例和实践项目。

本书适用于高等学校各学科专业学生、高职院校师生、成人教育学习者及对人工智能感兴趣的从业者,可作为通识课程教材或自学参考资料,助力读者在人工智能时代提升竞争力,开拓跨学科发展路径。

  • 前辅文
  • 第1章 人工智能概述
    • 1.1 人工智能的定义
      • 1.1.1 人工智能的基本概念
      • 1.1.2 人工智能的主要分类
      • 1.1.3 人工智能的广泛应用实例
    • 1.2 人工智能发展历程
      • 1.2.1 萌芽与奠基(1940s—1950s)
      • 1.2.2 黄金期与第一次AI寒冬(1960s—1970s)
      • 1.2.3 复兴与专家系统时代(1980s)
      • 1.2.4 机器学习崛起与第二次复兴(1990s—2000s)
      • 1.2.5 深度学习爆发与AI普及(2010s至今)
      • 1.2.6 人工智能发展历程与未来展望
    • 1.3 人工智能在社会发展中的作用
      • 1.3.1 人工智能在经济发展中的作用
      • 1.3.2 人工智能在文史领域的贡献
      • 1.3.3 人工智能在教育领域的变革
      • 1.3.4 人工智能在交通领域的创新
      • 1.3.5 人工智能在社会治理中的应用
    • 1.4 人工智能的现状与未来趋势
      • 1.4.1 人工智能的现状
      • 1.4.2 人工智能的未来趋势
    • 1.5 思考练习
  • 第2章 Python程序设计基础
    • 2.1 Python语言简介与编程环境搭建
      • 2.1.1 Python语言简介
      • 2.1.2 Python编程环境搭建
    • 2.2 输入、输出语句
      • 2.2.1 输出语句print()
      • 2.2.2 输入语句input()
      • 2.2.3 格式化输出
      • 2.2.4 变量
    • 2.3 基本数据类型与运算符
      • 2.3.1 数字类型
      • 2.3.2 运算符
      • 2.3.3 字符串
      • 2.3.4 组合数据类型
    • 2.4 程序控制结构
      • 2.4.1 分支结构
      • 2.4.2 循环结构
      • 2.4.3 break和continue语句
      • 2.4.4 循环的else子句
    • 2.5 函数与模块
      • 2.5.1 函数的定义和调用
      • 2.5.2 函数的参数传递
      • 2.5.3 函数的返回值
      • 2.5.4 模块化编程
    • 2.6 文件操作与异常处理
      • 2.6.1 文件操作
      • 2.6.2 异常处理
    • 2.7 第三方库的使用
      • 2.7.1 Pandas库
      • 2.7.2 Matplotlib库
    • 2.8 思考练习
  • 第3章 人工智能主要技术
    • 3.1 机器学习概述
      • 3.1.1 机器学习的定义
      • 3.1.2 机器学习的范围
      • 3.1.3 机器学习的类型
    • 3.2 机器学习实践
      • 3.2.1 机器学习的开发流程
      • 3.2.2 机器学习库Scikit-learn
      • 3.2.3 基本建模流程
      • 3.2.4 数据预处理
      • 3.2.5 监督学习算法应用
      • 3.2.6 无监督学习算法应用
      • 3.2.7 评价指标
      • 3.2.8 交叉验证及超参数调优
    • 3.3 机器学习案例
    • 3.4 深度学习概述
      • 3.4.1 深度学习的核心定义与特征
      • 3.4.2 深度学习的起源与发展历程
      • 3.4.3 深度学习的地位与作用
    • 3.5 神经网络基础
      • 3.5.1 标准神经网络
      • 3.5.2 卷积神经网络
      • 3.5.3 递归神经网络
      • 3.5.4 Transformer
    • 3.6 深度学习的工作流程
      • 3.6.1 数据准备
      • 3.6.2 模型构建和训练
      • 3.6.3 模型评估与优化
      • 3.6.4 模型部署与应用
    • 3.7 深度学习框架及应用
      • 3.7.1 主流深度学习框架
      • 3.7.2 深度学习框架的基本使用方法——以PyTorch为例
    • 3.8 思考练习
  • 第4章 大语言模型
    • 4.1 大语言模型概述
      • 4.1.1 大语言模型的概念及特点
      • 4.1.2 大语言模型的工作原理
      • 4.1.3 大语言模型的挑战与发展趋势
    • 4.2 当前主流大语言模型介绍
    • 4.3 提示词工程
      • 4.3.1 提示词设计原则
      • 4.3.2 提示词的核心要素
      • 4.3.3 结构化提示词框架
    • 4.4 大语言模型应用实例
      • 4.4.1 基于大语言模型的智能客服
      • 4.4.2 基于大语言模型的AI助教
      • 4.4.3 基于大语言模型的科研辅助系统
    • 4.5 思考练习
  • 第5章 智能高效办公
    • 5.1 文档智能处理
      • 5.1.1 文档智能阅读
      • 5.1.2 文档生成
      • 5.1.3 文档内容处理
      • 5.1.4 AI图式生成
      • 5.1.5 会议纪要
      • 5.1.6 智能文档排版
    • 5.2 数据智能处理与分析
      • 5.2.1 数据获取
      • 5.2.2 AI大语言模型数据处理及分析
      • 5.2.3 WPS AI数据处理与分析
      • 5.2.4 图表可视化
    • 5.3 AI演示文稿制作
      • 5.3.1 AI演示文稿制作工具
      • 5.3.2 AI制作演示文稿
      • 5.3.3 WPS AI制作演示文稿
    • 5.4 思考练习
  • 第6章 AI图像艺术创作
    • 6.1 数字图像基础
      • 6.1.1 图像的基本概念
      • 6.1.2 图像的色彩模式
    • 6.2 图像生成原理
      • 6.2.1 图像生成模型简介
      • 6.2.2 豆包图像生成(超能创意1.0)
      • 6.2.3 即梦图像生成
    • 6.3 AI文生图插画设计(提示词工程)
    • 6.4 AI图像生成案例
      • 6.4.1 AI在摄影中的应用
      • 6.4.2 AI头像和手办设计
      • 6.4.3 AI海报设计
      • 6.4.4 AI LOGO设计
      • 6.4.5 人物IP设计
    • 6.5 思考练习
  • 第7章 AI视听艺术创作
    • 7.1 视频基础
      • 7.1.1 视频相关概念
      • 7.1.2 视频文件格式
    • 7.2 AI视频创作
      • 7.2.1 文本生成视频
      • 7.2.2 图片生成视频
      • 7.2.3 使用“数字人”功能制作定制人物祝福视频
      • 7.2.4 使用首尾帧功能制作山海经凤凰变身视频
      • 7.2.5 使用“故事创作”功能制作熊猫做饭视频
    • 7.3 AI视频剪辑——以剪映为例
      • 7.3.1 剪辑界面
      • 7.3.2 基本操作
      • 7.3.3 蒙版和关键帧
      • 7.3.4 色度抠图
      • 7.3.5 制作数字人视频
      • 7.3.6 智能剪辑
      • 7.3.7 制作片头片尾
    • 7.4 音频基础知识
      • 7.4.1 音频相关概念
      • 7.4.2 音频文件格式
    • 7.5 AI音频创作
      • 7.5.1 文本转音频
      • 7.5.2 音频转文本
      • 7.5.3 AI音乐创作
    • 7.6 综合案例——制作历史人物解说视频
    • 7.7 思考练习
  • 第8章 人工智能安全与伦理
    • 8.1 人工智能安全与伦理概述
      • 8.1.1 人工智能安全
      • 8.1.2 人工智能伦理
      • 8.1.3 人工智能安全与伦理的关系
    • 8.2 人工智能安全问题
      • 8.2.1 数据安全
      • 8.2.2 模型安全
      • 8.2.3 系统安全
      • 8.2.4 跨界交互安全
    • 8.3 人工智能伦理问题
      • 8.3.1 算法偏见与公平性
      • 8.3.2 隐私与监控
      • 8.3.3 就业与经济影响
      • 8.3.4 伦理问题的深层本质
    • 8.4 人工智能的法律与社会规范
      • 8.4.1 法律体系
      • 8.4.2 社会规范
      • 8.4.3 治理机制
    • 8.5 思考练习
  • 参考文献

相关图书