顶部
收藏

人工智能实践教程(通识类)


作者:
主编 刘维 王森林 副主编 徐向英 刘萍 参编 房美玲 杜文菊 李 梅 洪青青
定价:
29.80 元
版面字数:
300千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067248-0
物料号:
67248-00
出版时间:
2026-06-22
读者对象:
高等教育
一级分类:
计算机/教育技术类

本书是扬州大学信息与人工智能学院联合中国电信股份有限公司扬州分公司编写的人工智能通识实践教材,面向高校各专业学生及广大人工智能初学者。全书以“理论奠基、工具先行、案例驱动、素养提升”为指导思想,系统涵盖人工智能基础概念、关键技术、行业应用及伦理思考。全书分AI启蒙与工具准备、跨学科项目实践、AI素养与创新三篇,共10章。第一篇介绍AI行业应用、基础工具使用及实践任务;第二篇聚焦工业、农业、医疗、文学等多领域真实AI项目,详解技术与实操;第三篇探讨算法公平性、可信AI等前沿议题,培养社会责任意识。

本书创新性融合企业真实场景与教学需求,强调“零代码+低门槛”实践,配套在线平台与数据集(内含丰富案例与代码),助力读者在解决实际问题的过程中掌握AI核心能力,提升数字素养与创新思维。

本书兼具科普性、实用性与前瞻性,适合作为高校人工智能通识课程教材或社会读者自学指南。

  • 目录
    • 前辅文
      • 第一篇 AI启蒙与工具准备
        • 第1章 人工智能与数据时代导论
          • 1.1 AI如何改变各行业
            • 1.1.1 工业升级:制造与材料的智能引擎
              • 1.1.2 教育行业:个性化学习的加速器
                • 1.1.3 医疗行业:智能健康守护者
                  • 1.1.4 金融行业:风险与效率的双刃剑
                    • 1.1.5 艺术行业:AI的创新画笔
                    • 1.2 知识准备
                      • 1.2.1 AI与机器学习、深度学习的关系
                        • 1.2.2 工具使用
                        • 1.3 实践任务
                          • 1.3.1 任务一:AI图像生成
                            • 1.3.2 任务二:AI写作助手
                              • 1.3.3 任务三:AI语音识别与翻译
                                • 1.3.4 任务四:AI作曲
                                • 1.4 扩展思考
                                • 第2章 无须编程的AI体验任务
                                  • 2.1 项目描述
                                    • 2.2 知识准备
                                      • 2.2.1 AI应用概览
                                        • 2.2.2 AI技术分析
                                          • 2.2.3 工具使用
                                          • 2.3 实践任务
                                            • 2.3.1 任务一:解锁学校数字领航员
                                              • 2.3.2 任务二:制作个人专属网页简历
                                              • 2.4 扩展思考
                                            • 第二篇 跨学科项目实践
                                              • 第3章 环境领域AI案例:蓝藻污染监测与识别
                                                • 3.1 项目描述
                                                  • 3.2 知识准备
                                                    • 3.2.1 图像分类、数据增强与模型评估
                                                      • 3.2.2 蓝藻污染监测与识别案例
                                                      • 3.3 实践任务:蓝藻污染识别
                                                        • 3.3.1 数据处理
                                                          • 3.3.2 模型构建
                                                            • 3.3.3 运行结果
                                                            • 3.4 扩展思考
                                                            • 第4章 农业领域AI案例:温室黄瓜的识别检测
                                                              • 4.1 项目描述
                                                                • 4.2 知识准备
                                                                  • 4.2.1 计算机视觉任务之目标识别
                                                                    • 4.2.2 黄瓜识别模型的构建流程
                                                                      • 4.2.3 工具使用说明
                                                                      • 4.3 实践任务
                                                                        • 4.3.1 数据获取与预处理
                                                                          • 4.3.2 模型训练与推理
                                                                            • 4.3.3 结果输出与分析
                                                                            • 4.4 扩展思考
                                                                            • 第5章 文学领域AI案例:AI如何读懂一首诗?
                                                                              • 5.1 项目描述
                                                                                • 5.1.1 数字化时代的文学研究变革
                                                                                  • 5.1.2 人工智能在文学分析中的技术突破
                                                                                    • 5.1.3 跨学科融合的创新意义
                                                                                    • 5.2 知识准备
                                                                                      • 5.2.1 情感分析
                                                                                        • 5.2.2 文本分类
                                                                                          • 5.2.3 模型评估
                                                                                            • 5.2.4 工具使用
                                                                                            • 5.3 实践任务
                                                                                              • 5.3.1 古诗词数据集获取与情感标注
                                                                                                • 5.3.2 古诗词情感分类
                                                                                                  • 5.3.3 深度评估方法论
                                                                                                    • 5.3.4 用户体验设计考虑
                                                                                                    • 5.4 扩展思考
                                                                                                    • 第6章 医药领域AI案例:药物-靶标相互作用预测
                                                                                                      • 6.1 项目描述
                                                                                                        • 6.1.1 任务定义
                                                                                                          • 6.1.2 研究意义与应用场景
                                                                                                          • 6.2 知识准备
                                                                                                            • 6.2.1 药物分子表示
                                                                                                              • 6.2.2 靶标蛋白质表示
                                                                                                                • 6.2.3 常用数据集
                                                                                                                • 6.3 实践任务
                                                                                                                  • 6.3.1 环境与依赖准备
                                                                                                                    • 6.3.2 GraphDTA实例
                                                                                                                    • 6.4 扩展思考
                                                                                                                    • 第7章 数字媒体领域AI案例:生成式内容创作
                                                                                                                      • 7.1 项目描述
                                                                                                                        • 7.2 知识准备
                                                                                                                          • 7.2.1 文本生成
                                                                                                                            • 7.2.2 图像生成
                                                                                                                              • 7.2.3 文本-图像对齐
                                                                                                                                • 7.2.4 生成质量评价
                                                                                                                                  • 7.2.5 工具使用
                                                                                                                                  • 7.3 实践任务
                                                                                                                                    • 7.3.1 任务一:创作社交媒体推广图文
                                                                                                                                      • 7.3.2 任务二:打造社交媒体推广短片
                                                                                                                                      • 7.4 扩展思考
                                                                                                                                      • 第8章 教育领域AI案例:基于大模型的个性化智能学伴
                                                                                                                                        • 8.1 项目描述
                                                                                                                                          • 8.2 知识准备
                                                                                                                                            • 8.2.1 Transformer
                                                                                                                                              • 8.2.2 提示词工程
                                                                                                                                              • 8.3 实践任务
                                                                                                                                                • 8.3.1 任务一:搭建本地开发环境
                                                                                                                                                  • 8.3.2 任务二:实现个性化智能学伴
                                                                                                                                                  • 8.4 拓展思考
                                                                                                                                                • 第三篇 AI素养与创新
                                                                                                                                                  • 第9章 算法公平性
                                                                                                                                                    • 9.1 项目描述
                                                                                                                                                      • 9.2 知识准备
                                                                                                                                                        • 9.2.1 人脸识别系统的基本流程
                                                                                                                                                          • 9.2.2 人脸识别中的算法偏见机制
                                                                                                                                                            • 9.2.3 评估指标体系
                                                                                                                                                            • 9.3 实践任务
                                                                                                                                                              • 9.3.1 数据准备与属性标注
                                                                                                                                                                • 9.3.2 人脸检测与对齐
                                                                                                                                                                  • 9.3.3 特征提取
                                                                                                                                                                    • 9.3.4 验证与公平性指标计算
                                                                                                                                                                    • 9.4 拓展思考
                                                                                                                                                                    • 第10章 可信人工智能
                                                                                                                                                                      • 10.1 项目描述
                                                                                                                                                                        • 10.2 知识准备
                                                                                                                                                                          • 10.2.1 深度学习基础及ResNet-50模型
                                                                                                                                                                            • 10.2.2 实验数据集:CIFAR-10
                                                                                                                                                                              • 10.2.3 可信人工智能的核心理念
                                                                                                                                                                              • 10.3 实践任务
                                                                                                                                                                                • 10.3.1 环境与依赖
                                                                                                                                                                                  • 10.3.2 数据加载与预处理
                                                                                                                                                                                    • 10.3.3 ResNet-50模型构建与训练
                                                                                                                                                                                      • 10.3.4 模型评估与测试
                                                                                                                                                                                        • 10.3.5 可视化分析:Grad-CAM
                                                                                                                                                                                          • 10.3.6 FGSM对抗攻击与健壮性测试
                                                                                                                                                                                            • 10.3.7 公平性分析
                                                                                                                                                                                              • 10.3.8 隐私保护分析
                                                                                                                                                                                              • 10.4 扩展思考
                                                                                                                                                                                            • 参考文献

                                                                                                                                                                                            相关图书