顶部
收藏

人工智能通识


作者:
陈嘉兴 刘志华 黄军霞 主编
定价:
39.00 元
版面字数:
334.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
暂无
ISBN:
978-7-04-067374-6
物料号:
67374-00
出版时间:
2026-06-29
读者对象:
高等职业教育

本书立足职业教育教材新形态一体化建设要求,以“赋能专业融合,拓展成长潜能”为核心导向,精心打造理论扎实、实践导向、思政融入的人工智能通识知识体系。

全书共10个模块,秉持“知识与应用并重、理论与实践结合”的编写理念,遵循职业院校学生的认知规律,由浅入深地介绍人工智能基础、神经网络与深度学习、自然语言处理、计算机视觉、AIGC、智能体、脑机接口以及人工智能伦理规范与未来发展趋势等核心内容。各模块均配套具体的应用场景案例,涵盖医疗、交通、艺术、教育等多个领域,旨在引导学生运用人工智能技术解决日常生活与工作中的实际问题,系统提升数字素养,拓宽专业视野,增强创新实践能力。

本书构建了“纸质教材—数字资源—在线课程”三位一体的立体化教材体系,配套丰富的数字化教学资源与学习支持材料,部分学习资源可通过扫描书中二维码获取,同时提供课程标准、教案、PPT课件、习题答案等完整教学资源包。与本书配套的数字课程已在“智慧职教”平台(www.icve.com.cn)上线,学习者可进行在线学习;授课教师可调用平台资源,构建个性化SPOC课程。教师如需获取配套教学资源,可通过封底的联系方式免费索取。

本书可作为职业院校、应用型本科院校人工智能通识课程教材,也可作为人工智能爱好者的自学参考书。

  • 前辅文
  • 模块一 人工智能开启智能新时代
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 1.1 人工智能概述
      • 1.1.1 人工智能的多维内涵
      • 1.1.2 人工智能的发展史
      • 1.1.3 人工智能的分类
    • 1.2 人工智能的核心要素
      • 1.2.1 数据
      • 1.2.2 算法
      • 1.2.3 算力
    • 1.3 人工智能的任务类型
      • 1.3.1 回归任务
      • 1.3.2 分类任务
      • 1.3.3 聚类任务
    • 1.4 模型构建与评估指标
      • 1.4.1 模型的核心
      • 1.4.2 评估指标
      • 1.4.3 欠拟合与过拟合
    • 1.5 机器学习
      • 1.5.1 机器学习概述
      • 1.5.2 机器学习的工作流程
      • 1.5.3 机器学习的分类
    • 【课外拓展】
    • 【测试提升】
  • 模块二 神经网络深度学习探索智能 深度
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 2.1 神经网络概述
      • 2.1.1 神经网络基础与结构
      • 2.1.2 神经网络的发展史
      • 2.1.3 神经网络面临的挑战
    • 2.2 关键技术
      • 2.2.1 神经网络的工作流程
      • 2.2.2 激活函数
    • 2.3 前馈神经网络
      • 2.3.1 前馈神经网络结构
      • 2.3.2 卷积神经网络
    • 2.4 反馈神经网络
      • 2.4.1 反馈神经网络结构
      • 2.4.2 循环神经网络
      • 2.4.3 循环神经网络的变体
    • 【课外拓展】
    • 【测试提升】
  • 模块三 大模型打造智能超级大脑
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 3.1 大模型概述
      • 3.1.1 大模型的特性
      • 3.1.2 大模型的发展史
      • 3.1.3 大模型面临的挑战
    • 3.2 关键技术
      • 3.2.1 Transformer架构
      • 3.2.2 预训练
      • 3.2.3 监督微调
      • 3.2.4 强化学习
    • 3.3 深度理解与逻辑推理
      • 3.3.1 理解能力跃迁
      • 3.3.2 推理能力提升
      • 3.3.3 典型应用场景
    • 3.4 泛化能力与少样本学习
      • 3.4.1 多任务与跨场景的协同泛化
      • 3.4.2 小样本迁移与适配能力
      • 3.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块四 多模态融合多元信息智能
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 4.1 多模态大模型概述
      • 4.1.1 多模态数据
      • 4.1.2 多模态大模型的发展史
      • 4.1.3 多模态大模型面临的挑战
    • 4.2 关键技术
      • 4.2.1 多模态统一编码
      • 4.2.2 多模态语义对齐
      • 4.2.3 跨模态特征融合
    • 4.3 与世界模型深度结合
      • 4.3.1 助力AI深度理解世界规律
      • 4.3.2 赋能AI提前模拟决策规避风险
      • 4.3.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块五 自然语言处理实现机器听懂 人话
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 5.1 自然语言处理概述
      • 5.1.1 自然语言处理的研究内容
      • 5.1.2 自然语言处理的发展史
      • 5.1.3 自然语言处理面临的挑战
    • 5.2 关键技术
      • 5.2.1 分词技术
      • 5.2.2 关键词提取
      • 5.2.3 词向量表示
    • 5.3 文本分类与智能推荐
      • 5.3.1 功能概述
      • 5.3.2 新闻文本分类与智能推荐系统
      • 5.3.3 典型应用场景
    • 5.4 机器翻译与跨境服务
      • 5.4.1 功能概述
      • 5.4.2 中英文神经机器翻译系统
      • 5.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块六 计算机视觉助力机器看见 世界
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 6.1 计算机视觉概述
      • 6.1.1 计算机视觉的核心特征
      • 6.1.2 计算机视觉的发展史
      • 6.1.3 计算机视觉面临的挑战
    • 6.2 关键技术
      • 6.2.1 图像预处理技术
      • 6.2.2 YOLO算法
      • 6.2.3 OpenPose算法
    • 6.3 图像分类
      • 6.3.1 功能概述
      • 6.3.2 手写数字识别
      • 6.3.3 典型应用场景
    • 6.4 姿态估计
      • 6.4.1 功能概述
      • 6.4.2 传递物品行为识别
      • 6.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块七 AIGC化身创意魔法画笔
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 7.1 AIGC概述
      • 7.1.1 AIGC的发展历程
      • 7.1.2 AIGC面临的挑战
    • 7.2 AIGC文本生成
      • 7.2.1 文本生成提示词设计
      • 7.2.2 AIGC生成专业简历
      • 7.2.3 典型应用场景
    • 7.3 AIGC图像生成
      • 7.3.1 图像生成提示词设计
      • 7.3.2 AIGC生成个人品牌形象
      • 7.3.3 典型应用场景
    • 7.4 AIGC视频生成
      • 7.4.1 视频生成提示词设计
      • 7.4.2 AIGC生成Vlog
      • 7.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块八 智能体实现自主决策
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 8.1 智能体概述
      • 8.1.1 智能体的核心特征
      • 8.1.2 智能体的发展史
      • 8.1.3 智能体面临的挑战
    • 8.2 关键技术
      • 8.2.1 预测与推理技术
      • 8.2.2 规划与决策技术
    • 8.3 软件智能体
      • 8.3.1 功能概述
      • 8.3.2 智能日程管理系统
      • 8.3.3 典型应用场景
    • 8.4 具身智能
      • 8.4.1 功能概述
      • 8.4.2 自动驾驶车辆无保护左转
      • 8.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块九 脑机接口搭建人机融合 新桥梁
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 9.1 脑机接口概述
      • 9.1.1 脑机接口的分类
      • 9.1.2 脑机接口的发展史
      • 9.1.3 脑机接口面临的挑战
    • 9.2 关键技术
      • 9.2.1 脑信号采集技术
      • 9.2.2 信号处理与解码技术
      • 9.2.3 交互控制与反馈糃S〗
    • 9.3 脑机接口的单向控制功能
      • 9.3.1 功能概述
      • 9.3.2 非侵入式脑机实现需求沟通
      • 9.3.3 典型应用场景
    • 9.4 脑机接口的双向交互功能
      • 9.4.1 功能概述
      • 9.4.2 半侵入式脑机构造意念传导桥梁
      • 9.4.3 典型应用场景
    • 【课外拓展】
    • 【测试提升】
  • 模块十 人工智能伦理与未来发展 趋势
    • 【情景导入】
    • 【学习目标】
    • 【知识必备】
    • 10.1 数据隐私与安全
      • 10.1.1 核心内涵与挑战
      • 10.1.2 主要风险与特征
      • 10.1.3 防护技术与治理
      • 10.1.4 典型案例与启示
    • 10.2 算法偏见与歧视
      • 10.2.1 核心内涵与成因
      • 10.2.2 主要影响与应对
      • 10.2.3 典型案例与启示
    • 10.3 责任归属与安全
      • 10.3.1 核心内涵与成因
      • 10.3.2 主要影响与应对
      • 10.3.3 典型案例与启示
    • 10.4 就业结构与人机关系
      • 10.4.1 核心内涵与成因
      • 10.4.2 主要影响与应对
      • 10.4.3 典型案例与启示
    • 10.5 技术前沿与创新方向
      • 10.5.1 基础模型轻量化与定制化
      • 10.5.2 多模态融合技术
      • 10.5.3 自主智能体发展
      • 10.5.4 跨学科融合
    • 10.6 产业应用与未来
      • 10.6.1 智慧医疗
      • 10.6.2 智慧金融
      • 10.6.3 智能制造
      • 10.6.4 智慧交通
    • 【课外拓展】
    • 【测试提升】
  • 参考文献

相关图书


相关数字化产品